SG.hu
Tollaslabdázó robotot építettek tudósok
A robot versenyképességének növeléséhez alacsonyabb késleltetésű vizuális rendszerre lehet szükség.
Az Atlas, Spot és Stretch robotok természetes, élethű mozgékonyságukkal és testegyensúlyukkal lenyűgözték az embereket. Ami azonban hiányzott belőlük az az volt, hogy ezt a természetes mozgást összekapcsolják az észleléssel - ez a robotoknál a reflexek megfelelője. Ez teszi lehetővé, hogy egy pillanat alatt elkapjunk egy labdát vagy hogy félreugorjunk, hogy elkerüljünk egy ütközést. Az ETH Zürich tudóscsoportja nekilátott ennek a problémának a megoldásához. "Össze akartam kapcsolni az érzékelést és a testmozgást” - mondta Yuntao Ma, a robotikus, aki a mesterséges intelligenciával működő, tollaslabdázó robotot fejlesztő csapatot vezeti.
A Ma csapata által épített robotot ANYmalnak nevezték el, és egy miniatűr zsiráfhoz hasonlít, amely a fogai között tartott ütővel tollaslabdázik. Ez egy négylábú platform, amelyet az ANYbotics fejlesztett ki, egy ETH Zürich spin-off vállalat, amely főként az olaj- és gázipar számára gyárt robotokat. "Ez egy ipari minőségű robot” - mondta Ma. A robot lábai rugalmas működtetőelemekkel rendelkeznek, súlya körülbelül 50 kilogramm, szélessége fél méter, hossza pedig kevesebb mint egy méter. A robot tetejére Ma csapata egy másik ETH Zürich spin-off vállalat, a Duatic által gyártott, több szabadságfokkal rendelkező kart szerelt fel. Ez tartja és lengeti a tollaslabda ütőt. A tollaslabda követését és a környezet érzékelését egy sztereoszkópikus kamera végzi. „Öt évet dolgoztunk a hardver integrálásán” - mondta Ma.
Csapata a hardver mellett a robot agyán is dolgozott. A legmodernebb robotok általában modellalapú vezérlésoptimalizálást alkalmaznak, ami egy időigényes, kifinomult megközelítés, amely a masina dinamikájának és környezetének matematikai modelljén alapul. „Az utóbbi években azonban egyre népszerűbbé vált a megerősítéses tanulási algoritmusokon alapuló megközelítés” – mondta Ma. "Ahelyett, hogy fejlett modelleket építettünk volna, szimulált világba helyeztük el a robotot, és hagytuk, hogy önállóan tanuljon meg mozogni.” ANYmal esetében ez a szimulált világ egy tollaslabda pálya volt, ahol digitális alteregója ütővel üldözte a tollaslabdákat. A képzés ismétlődő egységekre volt felosztva, amelyek mindegyikében a robotnak meg kellett jósolnia a tollaslabda pályáját, és hat alkalommal egymás után meg kellett ütnie azt az ütővel. A képzés során a robot, mint egy igazi sportoló, megismerte fizikai határait, és megtanulta azokat kijátszani.
A vezérlő algoritmusok edzésének célja az volt, hogy a robotok olyan vizuális-motoros képességeket fejlesszenek ki, mint az emberi tollaslabdázók. A robotnak a pályán kellett mozognia, előre meg kell jósolnia, hová repülhet a tollaslabda, és az összes rendelkezésre álló szabadságfokát kihasználva úgy elhelyezkednie, hogy jó eséllyel vissza tudja azt adni. Ezért volt olyan fontos az észlelés és a mozgás közötti egyensúly. "Képzeljük el, hogy a robot pozícióba áll, hogy visszaüssön” - mondta Ma. "Ha lassan mozog, kisebb az esélye a sikeres játéknak. Ha gyorsan mozog, a kamera beremeg, ami növeli a tollaslabda követésének hibalehetőségét. Ez egy kompromisszum, és azt akartuk, hogy megtanulja megoldani az ilyen kompromisszumokat.”
A képzési eljárás magában foglalta a valós kameraadatokon alapuló észlelési modellt, amely megtanította a robotnak, hogy tartsa a tollaslabdát a látómezejében, miközben figyelembe veszi a zajt és az abból eredő objektumkövetési hibákat. A képzés befejezése után a robot megtanulta hogyan helyezkedjen el a pályán. Rájött, hogy egy sikeres visszaadás után a legjobb stratégia az, ha visszatér a középső és a hátsó vonal közelébe, ahogy az emberi játékosok is tesznek. Még egy trükköt is elsajátított, amelynek során hátsó lábaira áll, hogy jobban lássa a közeledő tollaslabdát.
Megtanulta az esés elkerülését is, és meg tudja határozni, hogy korlátozott sebessége mellett mennyi kockázatot érdemes vállalnia. A robot nem kísérel meg olyan lehetetlen pozíciókat, amelyek súlyos sérüléseket okozhatnak benne - elkötelezett, de nem öngyilkos. De amikor végül emberekkel játszott, kiderült, hogy ANYmal, mint tollaslabdázó, legjobb esetben is amatőr. Az első probléma a reakcióideje. Egy átlagos ember körülbelül 0,2 - 0,25 másodperc alatt reagál a vizuális ingerekre. Az elit tollaslabdázók - akiknek edzett reflexeik, jó előrejelző képességük és izommemóriájuk van - ezt az időt 0,12 - 0,15 másodpercre tudják csökkenteni. ANYmalnak azután, hogy az ellenfél megütötte a tollaslabdát körülbelül 0,35 másodpercre volt szüksége, hogy regisztrálja a pályát és kitalálja, mit kell tennie.
A probléma részben a gyenge látás. "Úgy gondolom, hogy az észlelés még mindig nagy probléma” - mondta Ma. "A robot sztereokamerával lokalizálja a tollaslabdát, és minden időintervallumban előfordulhat pozicionálási hiba.” A kamera látómezeje is korlátozott, ami azt jelenti, hogy a robot csak rövid ideig láthatja a tollaslabdát, mielőtt cselekednie kell. "Összességében inkább barátságos mérkőzésekre alkalmas. Ha az emberi játékos durvulni kezd, a robot sikeraránya jelentősen csökken” - ismerte el Ma.
Csapatának azonban már van néhány ötlete arra vonatkozóan, hogyan lehetne az ANYmal-t jobbá tenni. A reakcióidő javítható a labda röppályájának az ellenfél testhelyzete alapján történő előrejelzésével ahelyett, hogy megvárná, amíg meglátja magát a labdát - ezt a technikát használják az elit tollaslabdázók vagy teniszezők. Az érzékelés javítása érdekében a csapat a robotot fejlettebb hardverrel szeretné felszerelni, például eseménykamerákkal - olyan látásérzékelőkkel, amelyek a mozgást rendkívül alacsony, mikromásodperces késleltetéssel regisztrálják. Más fejlesztések közé tartozhatnak a gyorsabb, nagyobb teljesítményű aktuátorok.
"Úgy gondolom, hogy az általunk javasolt képzési keretrendszer minden olyan alkalmazásban hasznos lehet, ahol egyensúlyt kell teremteni az érzékelés és az irányítás között - tárgyak felszedése, akár elkapás és dobás” - javasolta Ma. Sajnos az egyik dolog, ami szinte biztosan nem jöhet szóba, az ANYmal tollaslabda vagy teniszligákba kerülése. "Alapítanék-e egy céget, amely tollaslabdázó robotokat árulna? Nos, nem igazán” - mondta Ma.
Az Atlas, Spot és Stretch robotok természetes, élethű mozgékonyságukkal és testegyensúlyukkal lenyűgözték az embereket. Ami azonban hiányzott belőlük az az volt, hogy ezt a természetes mozgást összekapcsolják az észleléssel - ez a robotoknál a reflexek megfelelője. Ez teszi lehetővé, hogy egy pillanat alatt elkapjunk egy labdát vagy hogy félreugorjunk, hogy elkerüljünk egy ütközést. Az ETH Zürich tudóscsoportja nekilátott ennek a problémának a megoldásához. "Össze akartam kapcsolni az érzékelést és a testmozgást” - mondta Yuntao Ma, a robotikus, aki a mesterséges intelligenciával működő, tollaslabdázó robotot fejlesztő csapatot vezeti.
A Ma csapata által épített robotot ANYmalnak nevezték el, és egy miniatűr zsiráfhoz hasonlít, amely a fogai között tartott ütővel tollaslabdázik. Ez egy négylábú platform, amelyet az ANYbotics fejlesztett ki, egy ETH Zürich spin-off vállalat, amely főként az olaj- és gázipar számára gyárt robotokat. "Ez egy ipari minőségű robot” - mondta Ma. A robot lábai rugalmas működtetőelemekkel rendelkeznek, súlya körülbelül 50 kilogramm, szélessége fél méter, hossza pedig kevesebb mint egy méter. A robot tetejére Ma csapata egy másik ETH Zürich spin-off vállalat, a Duatic által gyártott, több szabadságfokkal rendelkező kart szerelt fel. Ez tartja és lengeti a tollaslabda ütőt. A tollaslabda követését és a környezet érzékelését egy sztereoszkópikus kamera végzi. „Öt évet dolgoztunk a hardver integrálásán” - mondta Ma.
Csapata a hardver mellett a robot agyán is dolgozott. A legmodernebb robotok általában modellalapú vezérlésoptimalizálást alkalmaznak, ami egy időigényes, kifinomult megközelítés, amely a masina dinamikájának és környezetének matematikai modelljén alapul. „Az utóbbi években azonban egyre népszerűbbé vált a megerősítéses tanulási algoritmusokon alapuló megközelítés” – mondta Ma. "Ahelyett, hogy fejlett modelleket építettünk volna, szimulált világba helyeztük el a robotot, és hagytuk, hogy önállóan tanuljon meg mozogni.” ANYmal esetében ez a szimulált világ egy tollaslabda pálya volt, ahol digitális alteregója ütővel üldözte a tollaslabdákat. A képzés ismétlődő egységekre volt felosztva, amelyek mindegyikében a robotnak meg kellett jósolnia a tollaslabda pályáját, és hat alkalommal egymás után meg kellett ütnie azt az ütővel. A képzés során a robot, mint egy igazi sportoló, megismerte fizikai határait, és megtanulta azokat kijátszani.
A vezérlő algoritmusok edzésének célja az volt, hogy a robotok olyan vizuális-motoros képességeket fejlesszenek ki, mint az emberi tollaslabdázók. A robotnak a pályán kellett mozognia, előre meg kell jósolnia, hová repülhet a tollaslabda, és az összes rendelkezésre álló szabadságfokát kihasználva úgy elhelyezkednie, hogy jó eséllyel vissza tudja azt adni. Ezért volt olyan fontos az észlelés és a mozgás közötti egyensúly. "Képzeljük el, hogy a robot pozícióba áll, hogy visszaüssön” - mondta Ma. "Ha lassan mozog, kisebb az esélye a sikeres játéknak. Ha gyorsan mozog, a kamera beremeg, ami növeli a tollaslabda követésének hibalehetőségét. Ez egy kompromisszum, és azt akartuk, hogy megtanulja megoldani az ilyen kompromisszumokat.”
A képzési eljárás magában foglalta a valós kameraadatokon alapuló észlelési modellt, amely megtanította a robotnak, hogy tartsa a tollaslabdát a látómezejében, miközben figyelembe veszi a zajt és az abból eredő objektumkövetési hibákat. A képzés befejezése után a robot megtanulta hogyan helyezkedjen el a pályán. Rájött, hogy egy sikeres visszaadás után a legjobb stratégia az, ha visszatér a középső és a hátsó vonal közelébe, ahogy az emberi játékosok is tesznek. Még egy trükköt is elsajátított, amelynek során hátsó lábaira áll, hogy jobban lássa a közeledő tollaslabdát.
Megtanulta az esés elkerülését is, és meg tudja határozni, hogy korlátozott sebessége mellett mennyi kockázatot érdemes vállalnia. A robot nem kísérel meg olyan lehetetlen pozíciókat, amelyek súlyos sérüléseket okozhatnak benne - elkötelezett, de nem öngyilkos. De amikor végül emberekkel játszott, kiderült, hogy ANYmal, mint tollaslabdázó, legjobb esetben is amatőr. Az első probléma a reakcióideje. Egy átlagos ember körülbelül 0,2 - 0,25 másodperc alatt reagál a vizuális ingerekre. Az elit tollaslabdázók - akiknek edzett reflexeik, jó előrejelző képességük és izommemóriájuk van - ezt az időt 0,12 - 0,15 másodpercre tudják csökkenteni. ANYmalnak azután, hogy az ellenfél megütötte a tollaslabdát körülbelül 0,35 másodpercre volt szüksége, hogy regisztrálja a pályát és kitalálja, mit kell tennie.
A probléma részben a gyenge látás. "Úgy gondolom, hogy az észlelés még mindig nagy probléma” - mondta Ma. "A robot sztereokamerával lokalizálja a tollaslabdát, és minden időintervallumban előfordulhat pozicionálási hiba.” A kamera látómezeje is korlátozott, ami azt jelenti, hogy a robot csak rövid ideig láthatja a tollaslabdát, mielőtt cselekednie kell. "Összességében inkább barátságos mérkőzésekre alkalmas. Ha az emberi játékos durvulni kezd, a robot sikeraránya jelentősen csökken” - ismerte el Ma.
Csapatának azonban már van néhány ötlete arra vonatkozóan, hogyan lehetne az ANYmal-t jobbá tenni. A reakcióidő javítható a labda röppályájának az ellenfél testhelyzete alapján történő előrejelzésével ahelyett, hogy megvárná, amíg meglátja magát a labdát - ezt a technikát használják az elit tollaslabdázók vagy teniszezők. Az érzékelés javítása érdekében a csapat a robotot fejlettebb hardverrel szeretné felszerelni, például eseménykamerákkal - olyan látásérzékelőkkel, amelyek a mozgást rendkívül alacsony, mikromásodperces késleltetéssel regisztrálják. Más fejlesztések közé tartozhatnak a gyorsabb, nagyobb teljesítményű aktuátorok.
"Úgy gondolom, hogy az általunk javasolt képzési keretrendszer minden olyan alkalmazásban hasznos lehet, ahol egyensúlyt kell teremteni az érzékelés és az irányítás között - tárgyak felszedése, akár elkapás és dobás” - javasolta Ma. Sajnos az egyik dolog, ami szinte biztosan nem jöhet szóba, az ANYmal tollaslabda vagy teniszligákba kerülése. "Alapítanék-e egy céget, amely tollaslabdázó robotokat árulna? Nos, nem igazán” - mondta Ma.