Robotai jau dabar moka atlikti tam tikrus darbus, pavyzdžiui, pakelti daiktus, kurie žmonėms yra per sunkūs ar nepatogūs. Kita jų pritaikymo sritis – preciziškas daiktų, pavyzdžiui, laikrodžių, turinčių daugybę smulkių detalių, iš kurių kai kurios tokios mažos, kad vos įžiūrimos plika akimi, surinkimas.
„Daug sunkiau atlikti užduotis, kurioms reikia situacijos suvokimo, kai reikia beveik akimirksniu prisitaikyti prie besikeičiančių aplinkos aplinkybių”, – aiškina MIT Kompiuterių mokslo ir dirbtinio intelekto laboratorijos (CSAIL) Interaktyvios robotikos grupės kviestinis mokslininkas Theodoros Stouraitis.
„Viskas tampa dar sudėtingiau, kai robotui tenka bendrauti su žmogumi ir dirbti kartu, kad saugiai ir sėkmingai atliktų užduotį”, – priduria MIT Aeronautikos ir astronautikos katedros doktorantė Shen Li.
Li ir Stouraitis – kartu su Michaeliu Giengeriu (Michael Gienger) iš „Honda Research Institute Europe”, Edinburgo universiteto profesoriumi Sethu Vijayakumaru (Sethu Vijayakumar) ir MIT profesore Julie A. Shah (Julie A. Shah), vadovaujančia Interaktyvios robotikos grupei, – pasirinko problemą, kuri tiesiogine to žodžio prasme yra kupina iššūkių: sukurti robotą, kuris galėtų padėti žmonėms apsirengti. Praėjusiais metais Li, Šah ir dar du MIT tyrėjai baigė projektą, kurio metu robotas padėjo apsirengti be rankovių. Naujajame darbe, aprašytame straipsnyje, kuris spausdinamas balandžio 2022 mėnesio IEEE žurnalo „Robotika ir automatika” Li, Stouraitis, Giengeris, Vijayakumaras ir Shahas aiškina, kokią pažangą jie padarė spręsdami dar sudėtingesnę problemą – robotų padedami apsirengti su rankovėmis drabužiais.
Didelis skirtumas pastaruoju atveju yra dėl „vizualinės okliuzijos”, sako Li. „Robotas negali matyti žmogaus rankos viso persirengimo proceso metu” Visų pirma jis ne visada gali matyti alkūnę arba nustatyti tikslią jos padėtį ar guolį. Tai savo ruožtu turi įtakos jėgai, kurią robotas turi panaudoti, kad drabužį, pavyzdžiui, marškinėlius ilgomis rankovėmis, iš rankos patrauktų ant peties.
Siekdama išspręsti užstoto matymo problemą, komanda sukūrė „būsenos įvertinimo algoritmą”, kuris leidžia gana tiksliai nustatyti, kurioje vietoje bet kuriuo metu yra alkūnė ir kaip ranka pasvirusi – ar ji ištiesta tiesiai, ar sulenkta per alkūnę, ar nukreipta į viršų, žemyn, ar į šoną – net ir tada, kai ją visiškai užstoja drabužiai. Kiekvienu laiko momentu algoritmas kaip įvesties duomenis ima roboto išmatuotą audiniui taikomą jėgą ir tada įvertina alkūnės padėtį – ne tiksliai, bet patalpina ją į dėžutę ar tūrį, apimantį visas galimas padėtis.
Šios žinios savo ruožtu nurodo robotui, kaip judėti, sako Stouraitis. „Jei ranka tiesi, robotas eis tiesia linija; jei ranka sulenkta, robotas turės lenkti alkūnę.” Jis priduria, kad svarbu gauti patikimą vaizdą. „Jei alkūnės įvertinimas bus neteisingas, robotas gali nuspręsti atlikti judesį, kuris sukurs pernelyg didelę ir nesaugią jėgą.”
Algoritmas apima dinaminį modelį, kuris numato, kaip ranka judės ateityje, o kiekviena prognozė koreguojama matuojant jėgą, kuri tam tikru metu veikia audinį. Nors kiti tyrėjai yra atlikę tokio pobūdžio būsenos įvertinimo prognozes, šis naujas darbas išsiskiria tuo, kad MIT tyrėjai ir jų partneriai gali nustatyti aiškią viršutinę neapibrėžties ribą ir garantuoti, kad alkūnė bus kažkur nustatytame laukelyje.
Rankos judesių ir alkūnės padėties prognozavimo modelyje ir roboto taikomos jėgos matavimo modelyje naudojami mašininio mokymosi metodai. Duomenys, naudojami mašininio mokymosi sistemoms apmokyti, buvo gauti iš žmonių, dėvinčių „Xsens” kostiumus su įmontuotais jutikliais, kurie tiksliai seka ir fiksuoja kūno judesius. Apmokius robotą, jis sugebėjo nustatyti alkūnės pozą, kai uždėjo striukę žmogui – vyrui, kuris procedūros metu įvairiai judino ranką – kartais reaguodamas į roboto traukimą už striukės, o kartais pats atlikdamas atsitiktinius judesius.
Šis darbas buvo griežtai orientuotas į įvertinimą – kuo tikslesnį alkūnės vietos ir rankos padėties nustatymą, tačiau Shah komanda jau perėjo prie kito etapo: sukurti robotą, kuris galėtų nuolat koreguoti savo judesius, reaguodamas į rankos ir alkūnės orientacijos pokyčius.
Ateityje jie planuoja spręsti „personalizavimo” klausimą – sukurti robotą, kuris galėtų atsižvelgti į skirtingų žmonių judėjimo ypatumus. Panašiai jie įsivaizduoja robotus, kurie būtų pakankamai universalūs, kad galėtų dirbti su įvairiomis medžiagomis, kurių kiekviena gali kiek kitaip reaguoti į traukimą.
Nors šios grupės tyrėjai neabejotinai domisi robotų padedamu apsirengimu, jie pripažįsta, kad ši technologija gali būti kur kas plačiau naudojama. „Mes jokiu būdu nespecializavome šio algoritmo taip, kad jis veiktų tik robotų apsirengimui, – pažymi Li. „Mūsų algoritmas sprendžia bendrą būsenos įvertinimo problemą, todėl gali būti pritaikytas daugeliui galimų taikymo sričių. Viso to raktas yra gebėjimas atspėti arba numatyti nepastebimą būseną.” Pavyzdžiui, toks algoritmas galėtų padėti robotui atpažinti savo partnerio žmogaus ketinimus, kai jis bendradarbiauja, kad tvarkingai perkeltų blokus arba padengtų pietų stalą.
Štai įsivaizduojamas netolimos ateities scenarijus: Robotas galėtų serviruoti stalą vakarienei ir galbūt net sutvarkyti jūsų vaiko ant valgomojo grindų paliktas kaladėles, tvarkingai sudėliodamas jas kambario kampe. Tada jis galėtų padėti jums apsivilkti vakarienės švarką, kad prieš valgį atrodytumėte gražiau. Jis netgi gali nunešti lėkštes prie stalo ir patiekti atitinkamas porcijas valgytojams. Vienintelis dalykas, kurio robotas nepadarytų, – nesuvalgytų viso maisto, kol jūs ir kiti nesusirinko prie stalo. Laimei, tai viena iš „programų” – kaip taikymas, o ne apetitas – kurios nėra brėžinių lentoje.
Šį tyrimą rėmė JAV Karinio jūrų laivyno tyrimų biuras, Alano Tiuringo institutas ir Honda tyrimų institutas Europoje.
