Ερευνητές στο Τεχνικό Πανεπιστήμιο της Βιέννης (TU Wien) ανέπτυξαν μια αυτο-μάθησηρομπότπου είναι σε θέση να μιμηθεί έναν άνθρωπο για απλές εργασίες, όπως ο καθαρισμός ενός νιπτήρα.
Αυτή η φαινομενικά απλή εργασία είναι μια τεράστια πρόκληση για το ρομπότ. Ο παραδοσιακός προγραμματισμός ρομπότ απαιτεί ακριβή μαθηματική μοντελοποίηση των πολύπλοκων καμπυλών του νιπτήρα, μια χρονοβόρα και πολύπλοκη εργασία. Αντίθετα, η ομάδα απλοποίησε τη διαδικασία συνδυάζοντας ανθρώπινη επίδειξη και απτικά δεδομένα για να εκπαιδεύσει το ρομπότ να μιμείται τις ανθρώπινες κινήσεις.
Αυτή η μαθησιακή προσέγγιση δεν είναι εφαρμόσιμη μόνο στον οικιακό καθαρισμό, αλλά μπορεί επίσης να είναιεφαρμοσμένοςσε ένα ευρύ φάσμα εργασιών στη βιομηχανική παραγωγή, όπως γυάλισμα, βαφή, λείανση και κόλληση.
«Η καταγραφή της γεωμετρίας ενός νιπτήρα με κάμερα είναι σχετικά απλή», λέει ο καθηγητής Andreas Kugi του Ινστιτούτου Αυτοματισμού και Ελέγχου στο Τεχνικό Πανεπιστήμιο της Βιέννης, «αλλά το κλειδί είναι να διδάξουμε στο ρομπότ πώς να επιλέγει τη σωστή κίνηση για διαφορετικά επιφάνειες - πόσο γρήγορα πρέπει να κινείται; Ποια είναι η σωστή γωνία; Ποια είναι η σωστή ποσότητα δύναμης;».
Το IT House σημειώνει ότι αυτό το είδος μάθησης είναι παρόμοιο με το πώς οι άνθρωποι μαθαίνουν νέες δεξιότητες, ειδικά αυτές που απαιτούν πρακτική εργασία.
«Στο εργαστήριο, ένας δάσκαλος έδινε οδηγίες σε έναν μαθητευόμενο να πει, «Πρέπει να πιέσεις λίγο πιο δυνατά σε αυτή τη στενή άκρη», είπε ο Κρίστιαν Χαρτλ-Νέσιτς.βιομηχανική ρομποτικήαρχηγός ομίλου στην ομάδα του Andreas Kugi. «Θέλαμε να βρούμε έναν τρόπο για να μάθει το ρομπότ με παρόμοιο τρόπο».
Για να γίνει αυτό, η ομάδα ανέπτυξε ένα ειδικό εργαλείο καθαρισμού - ένα σφουγγάρι εμποτισμένο με αισθητήρες. Ο άνθρωπος «δάσκαλος» χρησιμοποιεί το σφουγγάρι για να καθαρίζει επανειλημμένα το μπροστινό άκρο του νεροχύτη χρησιμοποιώντας αισθητήρες δύναμης και δείκτες παρακολούθησης.
«Δημιουργήσαμε πολλά δεδομένα σε λίγες μόνο επιδείξεις και στη συνέχεια τα επεξεργαστήκαμε για να βοηθήσουμε το ρομπότ να κατανοήσει τον σωστό τρόπο καθαρισμού», εξηγεί ο Christian Hartl-Nesic.
Στη συνέχεια, η ερευνητική ομάδα χρησιμοποίησε μια καινοτόμο στρατηγική επεξεργασίας δεδομένων για να επιτρέψει στο ρομπότ να καθαρίζει αποτελεσματικά έναν ολόκληρο νεροχύτη ή άλλο αντικείμενο με πολύπλοκη επιφάνεια, ακόμα κι αν είχε δείξει πώς να καθαρίζει μόνο μια άκρη του νεροχύτη.
Ο Christoph Unger, ένας διδάκτορας στην ομάδα Industrial Robotics, εξηγεί: «Το ρομπότ έμαθε να προσαρμόζει τον τρόπο που κρατά το σφουγγάρι στο σχήμα της επιφάνειας, καθώς και να εφαρμόζει διαφορετικές δυνάμεις σε σφιχτά καμπύλες περιοχές και σε επίπεδες επιφάνειες».
Στο μέλλον, τα ρομπότ θα μπορούσαν να τοποθετηθούν σε κινητές πλατφόρμες, καθιστώντας τα ισχυρούς βοηθούς σε οποιοδήποτε περιβάλλον εργαστηρίου. Και ακριβώς όπως οι άνθρωποι, αυτά τα ρομπότ θα μπορούσαν να μεταδώσουν την εμπειρία τους σε άλλα ρομπότ.