Ρομπότ μαθαίνουν αθλήματα από τους ανθρώπους

Εάν τα μεγάλα, δίποδα ρομπότ τύπου

Boston Dynamics

καταλήξουν ποτέ να αντικαταστήσουν τους ανθρώπους σε χώρους εργασίας, μπορεί να το κάνουν αφού εκπαιδευτούν από τους προκατόχους τους με σάρκα και οστά. Σε ένα νέο

χαρτί

, ερευνητές από το Στάνφορντ εξηγούν πώς δίδαξαν ένα ρομπότ 5’9 με ανθρωποειδές όψη εξοπλισμένο με μία μόνο κάμερα RGB να παίζει πιάνο, τένις και ακόμη και να μαθαίνει να πυγμαχεί απλώς μιμούμενοι ή «σκιάζοντας» ανθρώπινες κινήσεις. Η νέα μέθοδος εκμάθησης θα μπορούσε να βοηθήσει στην επιτάχυνση του χρόνου εκπαίδευσης και στη μείωση του κόστους που σχετίζεται με τη μελλοντική ανάπτυξη ανθρωποειδών ρομπότ. Αυτό θα μπορούσε να αποδειχθεί χρήσιμο, ειδικά καθώς εταιρείες όπως η Figure και η Tesla σπριντάρουν για να κυκλοφορήσουν ρομπότ με δύο πετάλια ικανά να

εκτέλεση εργασιών στο εργοστάσιο και στο σπίτι

.

Παρουσιάστε το τμήμα HumanPlus – Shadowing

Τα ανθρωποειδή γεννιούνται για τη χρήση ανθρώπινων δεδομένων. Κατασκευάζουμε ένα σύστημα σκίασης σε πραγματικό χρόνο χρησιμοποιώντας μια μόνο κάμερα RGB και μια πολιτική για ολόκληρο το σώμα για την κλωνοποίηση της ανθρώπινης κίνησης. Παραδείγματα:

– πυγμαχία🥊

– παίζοντας πιάνο🎹/πινγκ πονγκ

– πετώντας

– πληκτρολόγηση

Ανοιχτού κώδικα!

pic.twitter.com/DQgVDPiNnS

— Zipeng Fu (@zipengfu)

13 Ιουνίου 2024

Πώς διαφέρουν αυτά τα ρομπότ που μιμούνται;

Τα ρομπότ σε σχήμα ανθρώπων υπάρχουν σε κάποια μορφή εδώ και δεκαετίες, αλλά συχνά αγωνίζονται να αναπαράγουν τις ίδιες κινήσεις ρευστών που πολλοί άνθρωποι μαθαίνουν φυσικά. Η εκπαίδευση ρομπότ για να εκτελούν κινήσεις που μπορεί να φαίνονται σχετικά απλές στον άνθρωπο περιλαμβάνει μεγάλες ομάδες συχνά πολύπλοκων και πολύπλευρων δεδομένων εκπαίδευσης ανθρώπινης κίνησης. Στο παρελθόν, ερευνητές ρομποτικής προσπάθησαν να αποσυνδέσουν διαφορετικά στοιχεία αυτών των δεδομένων – όπως δεδομένα που σχετίζονται με την οπτική αντίληψη ή τον έλεγχο των χεριών και των ποδιών – αλλά οι ερευνητές λένε ότι η προσέγγιση είναι χρονοβόρα και δεν είναι κατάλληλη για κλιμάκωση.

Οι ερευνητές του Στάνφορντ ακολούθησαν μια διαφορετική προσέγγιση. Χρησιμοποίησαν αρχικά ένα ενισχυτικό μοντέλο τεχνητής νοημοσύνης για να εκπαιδεύσουν ένα προσαρμοσμένο ρομπότ, που ονομάζεται «HumanPlus» σε 40 ώρες διαφόρων δεδομένων ανθρώπινης κίνησης. Στη συνέχεια θα μπορούσαν να πάρουν τα βασικά μαθήματα που πήραν εκπαιδεύοντας το ρομπότ σε αυτά τα δεδομένα σε ένα περιβάλλον προσομοίωσης και στη συνέχεια να τα εφαρμόσουν στον φυσικό κόσμο. Οπλισμένο με αυτή τη γνώση και μια κάμερα web συνδεδεμένη στο κεφάλι του, το ρομπότ ήταν σε θέση να «ακολουθήσει» τις κινήσεις του σώματος και των χεριών ενός ανθρώπινου χειριστή και τελικά τις μιμηθεί. Αυτή η διαδικασία, που αναφέρεται ως «σκίαση», είχε ως αποτέλεσμα τα ανθρωποειδή ρομπότ να αναπαράγουν τις ανθρώπινες κινήσεις πιο φυσικά.

«Μιμούμενοι τους ανθρώπους, τα ανθρωποειδή μπορούν ενδεχομένως να αξιοποιήσουν το πλούσιο ρεπερτόριο των δεξιοτήτων και της κίνησης που επιδεικνύουν οι άνθρωποι, προσφέροντας μια πολλά υποσχόμενη οδό για την επίτευξη γενικής νοημοσύνης ρομπότ», γράφουν οι συγγραφείς.

Οι διάφορες εργασίες και κινήσεις που ζητήθηκε από το ρομπότ να μιμηθεί έτρεξαν τη γκάμα της ανθρώπινης κίνησης. Σε ένα παράδειγμα, το ρομπότ είχε την αποστολή να φορέσει ένα παπούτσι και να περπατήσει, το οποίο δοκίμασε τόσο την επιδεξιότητα των χεριών του όσο και τη συνολική του κίνηση. Εν τω μεταξύ, άλλες εργασίες, όπως το παιχνίδι πινγκ πονγκ ή η εκμάθηση του αριστερού τρυπήματος, έδωσαν μεγαλύτερη έμφαση στην οπτική αντίληψη και στο χρονοδιάγραμμα. Μια άλλη δραστηριότητα, η οποία περιελάμβανε το ρομπότ χρησιμοποιώντας ένα πληκτρολόγιο για να πληκτρολογήσει την κωδικοποιητική φράση “Hello Word” έδειξε πιο ακριβείς κινήσεις των δακτύλων. Μόλις εκπαιδευτεί πλήρως, οι ερευνητές ισχυρίζονται ότι το HumanPlus ήταν επιτυχές στην κίνησή του 60-100% των περιπτώσεων, ανάλογα με την εργασία.

Εισαγάγετε το τμήμα HumanPlus – Αυτόνομες Δεξιότητες

Τα ανθρωποειδή γεννιούνται για τη χρήση ανθρώπινων δεδομένων. Μιμούμενοι τους ανθρώπους, το ανθρωποειδές μας μαθαίνει:

– διπλωμένα φούτερ

– ξεφορτώνετε αντικείμενα από τα ράφια της αποθήκης

– ποικίλες κινητικές δεξιότητες (καθίσματα, άλματα, ορθοστασία)

– χαιρετήστε ένα άλλο ρομπότ

Ανοιχτού κώδικα!

pic.twitter.com/jFzfES6mMf

— Zipeng Fu (@zipengfu)

13 Ιουνίου 2024

Φυσικά, το HumanPlus είναι το τέρας του Frakenstein από διάφορα μέρη ρομπότ. Οι ερευνητές χρησιμοποίησαν ένα ρομπότ Unitree’s

Robotics

H1 ως βασικό σώμα, αλλά στη συνέχεια προσάρτησαν μηχανικά χέρια και καρπούς από τις εταιρείες Inspire-

Robots

και Robotis. Μια απλή κάμερα web της Razer προσαρτημένη στα μάτια του ρομπότ χρησίμευσε ως ο κύριος τρόπος για να δει τον κόσμο γύρω του. Συνολικά, η τελική τιμή για το ρομπότ ήταν περίπου 107.945 δολάρια. Οποιοσδήποτε έχει πρόσβαση σε αυτό το είδος ζύμης μπορεί να μάθει να κατασκευάζει το δικό του ρομπότ HumanPlus ακολουθώντας οδηγίες

δημοσιεύτηκε από τους ερευνητές σε αυτό το αποθετήριο GitHub

.

Σε ποια πλατφόρμα υλικού θα πρέπει να ενσωματωθεί το HumanPlus;

Κατασκευάζουμε το δικό μας ανθρωποειδές 33-DoF με δύο επιδέξια χέρια χρησιμοποιώντας εξαρτήματα:

– Χέρια Inspire-Robots RH56DFX

–

@UnitreeRobotics


Ρομπότ H1

–

@ROBOTIS


Κινητήρες Dynamixel

–

@Razer


κάμερες web

Κάνουμε open source το σχεδιασμό του υλικού μας.

pic.twitter.com/AkY9MPEzyd

— Zipeng Fu (@zipengfu)

13 Ιουνίου 2024

Η εκμάθηση μίμησης θα μπορούσε να κάνει τα εμπορικά ρομπότ πιο προσαρμόσιμα

Οι πιο ρευστές μέθοδοι εκπαίδευσης του ερευνητή έρχονται εν μέσω έξαρσης του εμπορικού ενδιαφέροντος για τα ανθρωποειδή ρομπότ. Σχήμα και

Ρομπότ ευκινησίας

, δύο κορυφαία ονόματα στον χώρο, έχουν ήδη αρχίσει να δοκιμάζουν τα προϊόντα τους σε εγκαταστάσεις κατασκευής αυτοκινήτων και logistics. Ο Tesla, ο οποίος είναι το ρομπότ Optimus έχει εξελιχθεί από ένα

άντρας με κορμάκι

σε ένα πραγματικό μηχάνημα ικανό να χαϊδεύει αυγά, οραματίζεται μια πραγματικότητα όπου αυτά τα περπατούντα ρομπότ που μιλάνε κάποια μέρα πλένουν πιάτα και

εκτελέστε άλλες δουλειές του σπιτιού

. Αν και ακόμα (πολύ) εκκολαπτόμενο, όλη αυτή η κίνηση θα μπορούσε να οδηγήσει σε μια αρκετά μεγάλη βιομηχανία ανθρωποειδή ρομπότ. Έκθεση 2022 από την Goldman Sachs

προβλέπει

η παγκόσμια αγορά ανθρωποειδών ρομπότ θα μπορούσε να φτάσει τα 154 δισεκατομμύρια δολάρια μέχρι το 2035.

Δεν είναι δύσκολο να φανταστεί κανείς πώς ένα ρομπότ ικανό να μαθαίνει μέσω της μίμησης θα μπορούσε να είναι χρήσιμο σε αυτές τις εμπορικές

ρυθμίσεις

. Όπως οι νέοι εργαζόμενοι που εκπαιδεύονται σε μια δουλειά, οι διευθυντές ή οι εκπαιδευμένοι χειριστές ρομπότ θα μπορούσαν να διδάξουν στα ανθρωποειδή ρομπότ πώς να εκτελούν συγκεκριμένες εργασίες ειδικά για έναν συγκεκριμένο κλάδο των επιχειρήσεων. Και σε αντίθεση με άλλα προ-προγραμματισμένα ρομπότ, αυτά τα πιο αρόσιμα μηχανήματα θα μπορούσαν παρομοίως να ενημερωθούν για να σκιάζουν νέες εργασίες. Αυτή η πιο οργανική προσέγγιση στην εκμάθηση κίνησης θα μπορούσε επίσης να αυξήσει δυνητικά τη λειτουργικότητα ενός αυξανόμενου τμήματος

ρομπότ με επίκεντρο την προσβασιμότητα

με στόχο τη βελτίωση της ζωής των ατόμων με

αναπηρία

.