Bagaimana Robot Belajar Menggantung T-Shirt:Peran Penting Data
DALAM Desain Gerak
Peneliti Jasmine Li di Lab Pengasuhan Robot dan Interaksi Manusia Carnegie Mellon. (Gambar:Para peneliti)
Berdasarkan pengalamannya menjadi sukarelawan di panti jompo, peneliti Carnegie Mellon Jasmine Li memutuskan untuk memfokuskan penelitiannya pada robotika bantu yang membantu orang melakukan tugas sehari-hari. “Saya tertarik dengan sisi robotika yang membantu orang-orang yang mungkin belum begitu paham dengan teknologi,” katanya. “Saya memikirkan tentang sisi perangkat keras robotika, namun akhirnya saya melakukan lebih banyak hal dengan pengumpulan data dan perangkat lunak — sisi algoritmik.”
Untuk proyeknya, dia bekerja dengan Ph.D. mahasiswa Zheyuan Hu di Lab Pengasuhan Robot dan Interaksi Manusia yang dipimpin oleh asisten profesor Zackory Erickson.
Li bekerja dengan pengaturan lengan robot bimanual – dua lengan bersendi banyak yang dijepit di atas meja – yang dapat dikendalikan oleh manusia dari jarak jauh, menggunakan sepasang joystick VR, atau dioperasikan sepenuhnya secara mandiri melalui jaringan saraf. Dia menganalisis perilaku robot dalam simulasi dan tugas di dunia nyata untuk mempelajari bagaimana robot gagal ketika meniru aktivitas manusia yang kompleks, seperti menggantung baju.
“Kami menemukan bahwa ketika manusia mencoba memasukkan gantungan, orang tersebut terkadang melakukan koreksi yang sangat kecil, namun kami memiliki teori bahwa robot mungkin belajar lebih baik jika kami mengoreksi tugas tersebut dalam skala yang lebih besar,” katanya. Jadi, alih-alih melakukan sedikit pelintiran atau penyesuaian, mereka memandu lengan robot untuk kembali ke posisi semula sebelum mencoba menggantungkan kaus itu lagi dengan lebih akurat.
Dengan menggunakan metode pengumpulan data yang baru ditemukan, pelatihan robot menjadi lebih efisien, mengumpulkan lebih banyak data, dan meningkatkan kinerja dengan lebih sedikit pengulangan pengajaran pada manusia, kata Li.
Tim juga bereksperimen dengan metode tersebut menggunakan uji coba lain yang menugaskan robot untuk mengemas burger ke dalam kotak bungkus makanan dan menyegel tutup wadah kedap udara.
“Sulit untuk melatih robot agar mampu menyelesaikan berbagai tugas berbeda, yang kami sebut generalisasi,” kata Li. “Penelitian robotika, untuk saat ini, berfokus pada pelatihan robot untuk tugas tertentu, namun, pada akhirnya, semua orang yang berkontribusi pada penelitian ini akan membantu kami mencapai tujuan tersebut.”
Sumber
