TossingBot: Lengan Robot Berkecepatan Tinggi Mencapai 500 Lemparan Objek per Jam dengan Akurasi 85%
Robot baru belajar mengambil dan melempar objek sembarang ke lokasi tertentu.
Robot ini menggunakan baik deep learning dan fisika proyektil untuk melempar objek secara akurat dan cepat di lingkungan tidak terstruktur.
Dalam waktu pelatihan 14 jam, robot ini mencapai akurasi lemparan 85%, dengan keandalan pengambilan 87% dalam kekacauan.
Dalam dekade terakhir, kemajuan signifikan telah dilakukan dalam membuat robot lebih cerdas untuk melakukan tugas-tugas tertentu secara lebih efisien dan belajar dari pengalaman dunia nyata. Namun, ketika membicarakan keterampilan dasar — seperti menangkap, mengayun, memutar, dan melempar — robot masih sangat ketinggalan dibandingkan manusia.
Sekarang, peneliti di Google, MIT, Universitas Princeton, dan Universitas Columbia telah mengembangkan lengan robot baru yang dapat belajar mengambil dan melempar objek sembarang ke lokasi tertentu. Robot ini menggunakan baik fisika dan metode deep learning untuk melempar objek acak secara akurat dan cepat di lingkungan tidak terstruktur.
Mereka menamai robot ini TossingBot. Robot ini dapat mencapai kecepatan pengambilan hingga dua kali lebih cepat daripada robot sebelumnya, dengan rentang penempatan efektif dua kali lipat.
Tantangan yang Terlibat
Melempar sesuatu bukan tugas yang mudah bagi robot. Ada banyak faktor yang terlibat, dari bagaimana objek dengan bentuk berbeda diambil hingga properti fisik objek seperti massa, aerodinamika, dan gesekan.
Misalnya, jika Anda mengambil objek berat dan panjang dari tepinya dan melemparkannya, ia akan jatuh lebih jauh daripada jika Anda mengambilnya dari tengah. Namun, jika Anda mengambil objek ringan seperti bola tenis meja, Anda akan memerlukan gaya besar (karena hambatan udara) untuk melemparkannya pada jarak yang sama.
Membuat teknik secara manual yang secara eksplisit mengontrol semua parameter ini untuk setiap objek sembarang hampir mustahil. Menerapkan teknik coba dan kesalahan juga bukan ide bagus karena itu mahal dan memakan waktu.
Menggabungkan Deep Learning dan Fisika
Sementara deep learning dapat membantu robot belajar dari pengalaman bukan bergantung pada mekanisme kasus demi kasus, melempar objek secara presisi ke posisi target memerlukan pemahaman yang baik tentang fisika proyektil.
Referensi: arXiv:1903.11239 | Google AI Blog
Dengan mengintegrasikan kedua fitur ini, insinyur memungkinkan TossingBot untuk melatih dengan cepat dan menskala ke skenario baru. Dengan menggunakan beberapa hukum dasar fisika proyektil, robot mengembangkan pengontrol awal, misalnya, ia menghitung berapa kecepatan lemparan yang diperlukan untuk melempar objek tertentu pada posisi target.
Kemudian jaringan syaraf meramalkan penyesuaian di atas perhitungan fisika tersebut, untuk mengkompensasi faktor eksternal seperti variabilitas dan kebisingan di dunia nyata. Selain pelatihan, lengan robot bergantung pada GPU NVIDIA Titan untuk merekonstruksi scene (yang ditangkap dengan kamera kedalaman RGB) dalam 3D secara real-time dan mengagregasi data 3D saat lengan bergerak.
Dalam waktu pelatihan 14 jam, TossingBot mencapai akurasi lemparan 85%, dengan keandalan pengambilan 87% dalam kekacauan. Robot ini mampu mengambil dan melempar lebih dari 500 objek sembarang ke dalam kotak yang ditempatkan di luar jangkauan maksimumnya.
Apa Selanjutnya?
Meskipun hasilnya cukup mengesankan, robot ini masih memiliki keterbatasan. Misalnya, robot mengasumsikan objek cukup kuat untuk menahan tabrakan saat mendarat. Juga, robot hanya mengevaluasi variabel kontrol dari informasi visual.
Baca: Sistem AI Baru Mengajari Robot untuk Belajar Langsung dari Manusia
Dalam studi selanjutnya, peneliti akan melatih sistem mereka untuk menangkap objek dengan cara yang menenangkan tabrakan saat mendarat. Mereka juga berencana untuk menjelajahi modalitas sensori tambahan (seperti taktil dan gaya-torsi) yang mungkin memungkinkan lengan robot untuk lebih baik menyesuaikan kecepatan lemparannya.
