среда

Американские роботы учатся работать с объектами

В США роботы учатся работать с объектами и понимать новые места.

Если среди читателей этой статьи есть родители, то они уже хорошо знают о том, как младенцы начинают свой жизненный путь. Сделав первые самостоятельные шаги, малыши начинают тратить по несколько месяцев на самообучение. Начиная с первого года, младенцы стремятся найти свой путь в окружающем их пространстве, овладеть навыками обращения с различными предметами и совершать определенные действия. Следует признать, что в этом отношении маленькие дети обладают хорошей гибкостью сознания. Они довольно быстро понимают, что чашки, с которыми им приходится играть, могут быть разной формы и размеров, но все они имеют ручки. Это касается и кувшинов, которые мы поднимаем точно таким же образом.

Процесс обучения современного робота в некоторой степени похож на взросление ребенка. Если в будущем у вас появится ваш личный робот, то знайте, что роботу обязательно понадобится навык обобщения и умение делать общие выводы. К примеру, робот должен обработать ваш завтрак из определенного набора блюд и затем положить пустые тарелки в конкретную посудомоечную машину, причем на вашей кухне, а не у соседей.

В лаборатории личной робототехники при Корнелльском университете (Итака, Нью Йорк, США) команда во главе с Ашутош Саксена (Ashutosh Saxena), доцентом кафедры информатики, учит роботов манипулировать объектами и находить путь в новых условиях. В 2011 году в Университете Южной Калифорнии (Калифорния, США) проходила очередная научная и системная конференция по робототехнике, на которой команда Саксена сообщила о двух примерах своей исследовательской работы. 

Красной нитью этого исследования является "машинное обучение" (англ. machine learning) - программирование компьютера наблюдать за событиями и находить в них общие атрибуты. Например, при правильном программировании компьютер может осмотреть широкий выбор чашек, найти их общие характеристики, а затем быть в состоянии идентифицировать такие чашки в будущем. Аналогичный процесс может научить робота находить ручку чашки и правильно ее захватывать.

Другие исследователи сумели пойти еще дальше, но команда Саксена пришла к выводу, что размещение объектов является более трудной задачей, чем их подбор, по причине множества вариантов. На обеденном столе чашка ставится вертикально как обычно, но в посудомоечной машине чашку следует ставить вверх дном, то есть с ног на голову. Такие нюансы приводят к тому, что робот должен быть обучен, чтобы правильно осознать эти решения.

Как пояснил на конференции Саксена, они просто показывали роботу несколько примеров, а тот учился обобщать стратегию размещения и затем применять ее к объектам, которые ранее не видел. По ходу обучения робот узнавал о стабильности и о других критериях хорошего размещения тарелок и чашек, поэтому когда робот видел новый объект, например миску, то сразу применял их.

В начале тестовых испытаний они поместили тарелку, кружку, бокал для мартини, миску, шоколадные конфеты, диски, ложки и вилки на плоскую поверхность, на крючок, в держатель фужеров, в держатель авторучки и на нескольких различных стойках для блюд.

С помощью 3-D камеры робот проводил геодезию окружающей среды обитания и выборочно тестировал маленькие объемы пространства, выбирая подходящее место для размещения. Для некоторых объектов это будет проверяться методом арретирования или фиксации (англ. caging) на наличие вертикальных опор, которые могут держать предмет в вертикальном положении. Робот также отдает приоритет "предпочтительным" местам: тарелка кладется плашмя на стол, но ставится в вертикальное положение в посудомоечной машине.

После завершения обучения, робот команды Саксена правильно помещал большинство объектов в 98% случаев, когда уже видел объекты и окружающую среду ранее, и в 95% случаев при работе с новыми объектами в новых условиях. Исследователи делают предположение, что производительность робота может быть улучшена за счет более длительной тренировки. Правда, с учетом одной оговорки.

Сначала робот должен найти сушилку на вашей кухне.

Возможно вы уже замечали за собой, что когда вы входите в комнату, то вы на бессознательном уровне перечисляете находящиеся в ней объекты и составляете из них небольшой каталог. Саксена и его коллега Торстен Йоахимс (Thorsten Joachims), адъюнкт-профессор компьютерных наук этого же университета, разработали систему, которая позволяет роботу сканировать комнату и определять ее объекты. 3-D камера робота делает фотографии, которые сшиваются вместе в брошюру, с образованием 3-D изображения всей комнаты. Затем изображение комнаты делится на сегменты, это делается на основе отсутствия последовательности и расстояния между объектами. Цель состоит в том, чтобы маркировать каждый сегмент.

Исследователи обучали робота, давая ему 24 места действия в офисе и 28 сцен для действия в доме, в которых они размечали большинство объектов. Компьютер анализировал такие особенности, как цвет, текстура и то, что находится поблизости, а затем решал, какие характеристики всех объектов с той же меткой имеются в общем. В новых условиях робот сравнивал каждый сегмент своего сканирования с объектами в памяти и выбирал один, который соответствовал лучшего всего.

Во время конференции Саксена пояснил, что новизной их работы явилось изучение контекстуальных отношений в 3-D (трехмерном пространстве). Если вы хотите найти компьютерную клавиатуру, то сначала может быть проще найти монитор, потому что клавиатура обычно находится ниже монитора.

В проведенных тестах робот правильно определял объекты примерно в 83% случаев в домашних сценах и в 88% случаев в офисах. В заключительном тесте робот удачно расположил клавиатуру в незнакомой комнате. Опять же, сказал Саксена, контекст дал этому роботу преимущество. На картинке в компьютерной программе клавиатура изображается только как несколько пикселей, но изображение монитора занимает больше места и его легче найти, поэтому робот использует эту информацию, чтобы найти клавиатуру.

Американские исследователи признают, что роботам еще предстоит пройти долгий путь, чтобы научиться действовать так же, как люди. Как в заключение отметил Саксена, он был бы очень рад, если бы они смогли построить робота, который смог бы действовать, как шестимесячный ребенок.

Гиперссылки (не активные)

Robotics Science and Systems Online Proceedings www.roboticsproceedings.org/

Robot Learning Lab, Computer Science Department, Cornell University http://pr.cs.cornell.edu/placingobjects/

Ashutosh Saxena personal page 
www.cs.cornell.edu/~asaxena/