TossingBot:Um braço robótico que pode lançar 500 objetos / hora nos locais de destino

• O novo robô aprende a escolher e lançar objetos arbitrários em locais específicos.
• Ele usa aprendizado profundo e física de projéteis para lançar objetos com precisão e rapidez em ambientes não estruturados.
• Dentro de 14 horas de tempo de treinamento, ele alcançou uma precisão de arremesso de 85%, com 87% de confiabilidade de agarramento na desordem.

Na última década, um progresso significativo foi feito no sentido de tornar os robôs mais inteligentes para realizar tarefas específicas com mais eficiência e aprender com as experiências do mundo real. No entanto, quando se trata das habilidades básicas - como agarrar, balançar, girar e arremessar - os robôs ainda estão muito atrás dos humanos.

Agora, pesquisadores do Google, MIT, Princeton University e Columbia University desenvolveram um novo braço robótico que pode aprender a escolher e jogar objetos arbitrários em locais específicos. Ele usa métodos físicos e de aprendizado profundo para lançar objetos aleatórios com precisão e rapidez em ambientes não estruturados.

Eles chamaram este robô de TossingBot. Ele pode atingir uma velocidade de separação até duas vezes mais rápida do que os robôs anteriores, com o dobro da faixa de colocação efetiva.

Desafios envolvidos

Jogar algo não é uma tarefa fácil para robôs. Existem vários fatores envolvidos, desde a forma como os objetos de diferentes formas são captados até as propriedades físicas dos objetos, como massa, aerodinâmica e fricção.

Por exemplo, se você pegar um objeto longo e pesado de sua borda e jogá-lo, ele cairá mais longe do que se você o tivesse escolhido do centro. No entanto, se você escolher um objeto leve como uma bola de pingue-pongue, será necessária uma grande força (devido à resistência do ar) para jogá-lo à mesma distância.

É quase impossível desenvolver manualmente uma técnica que controle explicitamente todos esses parâmetros para cada objeto arbitrário. Aplicar a técnica de tentativa e erro também não é uma boa ideia, pois é caro e demorado.

Combinando Aprendizado Profundo e Física

Embora o aprendizado profundo possa ajudar o robô a aprender com a experiência, em vez de depender de mecanismos caso a caso, lançar objetos com precisão na posição alvo requer um bom entendimento da física do projétil.

Referência:arXiv:1903.11239 | Blog do Google AI

Ao integrar esses dois recursos, os engenheiros permitiram que o TossingBot treinasse rapidamente e generalizasse para novos cenários. Usando algumas leis fundamentais da física de projéteis, o robô desenvolve controladores iniciais, por exemplo, ele calcula quanta velocidade de lançamento é necessária para lançar um objeto específico em uma posição alvo.



Em seguida, as redes neurais prevêem ajustes no topo dos cálculos físicos, para compensar os fatores externos, como variabilidade e ruído no mundo real. Além do treinamento, o braço robótico conta com a GPU NVIDIA Titan para reconstruir cenas (capturadas com câmeras de profundidade RGB) em 3D em tempo real e agregar dados 3D conforme o braço se move.

Dentro de 14 horas de tempo de treinamento, TossingBot alcançou uma precisão de arremesso de 85%, com 87% de confiabilidade de agarramento em desordem. Ele foi capaz de escolher e jogar mais de 500 objetos arbitrários nas caixas colocadas fora de seu alcance máximo.

O que vem a seguir?

Embora os resultados pareçam bastante impressionantes, o robô tem suas deficiências. Por exemplo, ele presume que os objetos são fortes o suficiente para resistir a colisões de aterrissagem. Além disso, ele avalia as variáveis ​​de controle apenas a partir de informações visuais.

Leia:Novo sistema de IA ensina o robô a aprender diretamente com humanos

No próximo estudo, os pesquisadores treinarão seu sistema para pegar objetos de forma a amortecer a aterrissagem. Eles também planejam explorar modalidades adicionais de detecção (como tátil e força-torque) que podem permitir que o braço robótico se adapte melhor às velocidades de lançamento.