Metode Simulasi Baru Memungkinkan Robot Merasakan Properti Objek Secara Akurat

Institut Teknologi Massachusetts, Cambridge, MA

Dengan metode simulasi baru, robot dapat menebak berat, kelembutan, dan sifat fisik lainnya dari suatu benda hanya dengan mengambilnya. (Gambar:Berita MIT/iStock)

Manusia yang membersihkan sampah dari loteng sering kali dapat menebak isi kotak hanya dengan mengambilnya dan menggoyangkannya, tanpa perlu melihat isinya. Para peneliti dari MIT, Amazon Robotics, dan Universitas British Columbia telah mengajarkan robot untuk melakukan hal serupa.

Mereka mengembangkan teknik yang memungkinkan robot hanya menggunakan sensor internal untuk mempelajari berat, kelembutan, atau isi suatu benda dengan mengambilnya dan menggoyangkannya dengan lembut. Dengan metodenya yang tidak memerlukan alat ukur eksternal atau kamera, robot dapat menebak parameter seperti massa suatu benda secara akurat dalam hitungan detik.

Teknik berbiaya rendah ini bisa sangat berguna dalam aplikasi di mana kamera mungkin kurang efektif, seperti menyortir objek di ruang bawah tanah yang gelap atau membersihkan puing-puing di dalam bangunan yang sebagian runtuh setelah gempa bumi.

Kunci dari pendekatan mereka adalah proses simulasi yang menggabungkan model robot dan objek untuk mengidentifikasi dengan cepat karakteristik objek tersebut saat robot berinteraksi dengannya.

Teknik para peneliti dalam menebak massa suatu benda sama bagusnya dengan metode yang lebih kompleks dan mahal yang menggabungkan visi komputer. Selain itu, pendekatan hemat data mereka cukup kuat untuk menangani berbagai jenis skenario yang tidak terlihat.

"Ide ini bersifat umum, dan saya yakin kita baru mengetahui apa yang bisa dipelajari robot dengan cara ini. Impian saya adalah membuat robot keluar ke dunia nyata, menyentuh dan memindahkan benda di lingkungannya, serta mencari tahu sendiri sifat-sifat segala sesuatu yang berinteraksi dengannya," kata Peter Yichen Chen, seorang postdoc MIT dan penulis utama makalah tentang teknik ini.

Metode tim peneliti memanfaatkan proprioception, yaitu kemampuan manusia atau robot untuk merasakan pergerakan atau posisinya di ruang angkasa. Misalnya, manusia yang mengangkat halter di gym dapat merasakan berat halter tersebut di pergelangan tangan dan bisepnya, meskipun ia sedang memegang halter di tangannya. Dengan cara yang sama, robot dapat “merasakan” beratnya suatu benda melalui beberapa sendi di lengannya.

"Manusia tidak memiliki pengukuran sudut sendi jari-jari kita yang sangat akurat atau jumlah torsi yang tepat yang kita terapkan pada suatu objek, namun robot memilikinya. Kami memanfaatkan kemampuan ini," kata rekan penulis Chao Liu, yang merupakan seorang postdoc MIT.

Saat robot mengangkat suatu benda, sistem peneliti mengumpulkan sinyal dari joint encoder robot, yaitu sensor yang mendeteksi posisi rotasi dan kecepatan sendi selama bergerak.

Kebanyakan robot memiliki encoder bersama di dalam motor yang menggerakkan bagian-bagiannya yang dapat digerakkan, tambah Liu. Hal ini membuat teknik mereka lebih hemat biaya dibandingkan beberapa pendekatan karena tidak memerlukan komponen tambahan seperti sensor sentuhan atau sistem pelacakan penglihatan.

Untuk memperkirakan properti objek selama interaksi robot-objek, sistem mereka bergantung pada dua model:model yang mensimulasikan robot dan gerakannya, serta model yang mensimulasikan dinamika objek. “Memiliki kembaran digital yang akurat di dunia nyata sangat penting bagi keberhasilan metode kami,” tambah Chen.

Algoritme mereka “mengamati” robot dan objek bergerak selama interaksi fisik dan menggunakan data encoder gabungan untuk bekerja mundur dan mengidentifikasi properti objek. Misalnya, benda yang lebih berat akan bergerak lebih lambat dibandingkan benda ringan jika robot menerapkan gaya yang sama.

Mereka menggunakan teknik yang disebut simulasi terdiferensiasi, yang memungkinkan algoritme memprediksi seberapa kecil perubahan pada properti suatu objek, seperti massa atau kelembutan, berdampak pada posisi sendi akhir robot. Para peneliti membuat simulasi menggunakan perpustakaan Warp NVIDIA, alat pengembang sumber terbuka yang mendukung simulasi yang dapat dibedakan.

Setelah simulasi terdiferensiasi cocok dengan gerakan robot yang sebenarnya, sistem telah mengidentifikasi properti yang benar. Algoritme dapat melakukan ini dalam hitungan detik dan hanya perlu melihat satu lintasan robot di dunia nyata yang sedang bergerak untuk melakukan penghitungan.

“Secara teknis, selama Anda mengetahui model objek dan bagaimana robot dapat memberikan gaya pada objek tersebut, Anda harus dapat mengetahui parameter yang ingin Anda identifikasi,” kata Liu. Para peneliti menggunakan metode mereka untuk mempelajari massa dan kelembutan suatu benda, namun teknik mereka juga dapat menentukan sifat-sifat seperti momen inersia atau viskositas fluida di dalam wadah.

Selain itu, karena algoritme mereka tidak memerlukan kumpulan data ekstensif untuk pelatihan seperti beberapa metode yang mengandalkan visi komputer atau sensor eksternal, algoritme mereka tidak akan rentan terhadap kegagalan saat menghadapi lingkungan yang tidak terlihat atau objek baru.

Kedepannya, para peneliti ingin mencoba menggabungkan metode mereka dengan computer vision untuk menciptakan teknik penginderaan multimodal yang lebih canggih.

"Pekerjaan ini tidak mencoba untuk menggantikan visi komputer. Kedua metode memiliki kelebihan dan kekurangannya masing-masing. Namun di sini kami telah menunjukkan bahwa tanpa kamera kami sudah dapat mengetahui beberapa sifat ini," kata Chen.

Mereka juga ingin mengeksplorasi aplikasi dengan sistem robotik yang lebih rumit, seperti robot lunak, dan objek yang lebih kompleks, termasuk cairan cair atau media granular seperti pasir. Dalam jangka panjang, mereka berharap dapat menerapkan teknik ini untuk meningkatkan pembelajaran robot, memungkinkan robot masa depan dengan cepat mengembangkan keterampilan manipulasi baru dan beradaptasi dengan perubahan di lingkungannya.

Untuk informasi lebih lanjut, hubungi Melanie Grados di Alamat email ini dilindungi dari robot spam. Anda perlu mengaktifkan JavaScript untuk melihatnya.; 617-253-1682.