Ερευνητές στο Τεχνικό Πανεπιστήμιο της Βιέννης (TU Wien) ανέπτυξαν ένα ρομπότ αυτομάθησης ικανό να μιμείται τον άνθρωπο για απλές εργασίες, όπως ο καθαρισμός των νιπτηρίων.
Αυτή η φαινομενικά απλή εργασία είναι μια τεράστια πρόκληση για τα ρομπότ. Ο παραδοσιακός προγραμματισμός ρομπότ απαιτεί ακριβή μαθηματική μοντελοποίηση των πολύπλοκων καμπυλών του νιπτήρα, κάτι που είναι μια χρονοβόρα και πολύπλοκη εργασία. Η ερευνητική ομάδα απλοποίησε αυτή τη διαδικασία συνδυάζοντας ανθρώπινη επίδειξη και απτικά δεδομένα για να εκπαιδεύσει το ρομπότ να μιμείται τις ανθρώπινες κινήσεις.
Αυτή η μέθοδος εκμάθησης δεν είναι κατάλληλη μόνο για οικιακό καθαρισμό, αλλά μπορεί επίσης να εφαρμοστεί σε διάφορες εργασίες στη βιομηχανική παραγωγή, όπως γυάλισμα, βάψιμο, τρίψιμο και κόλληση.
«Είναι σχετικά εύκολο να καταγράψεις τη γεωμετρία ενός νιπτήρα με μια κάμερα», λέει ο καθηγητής Andreas Kugi του Ινστιτούτου Αυτοματισμού και Ελέγχου στο Τεχνικό Πανεπιστήμιο της Βιέννης, «αλλά το κλειδί είναι να διδάξεις στο ρομπότ πώς να επιλέγει τον σωστό τρόπο κινείται ανάλογα με τις διαφορετικές επιφάνειες και πόσο γρήγορα πρέπει να είναι;" Ποια είναι η σωστή γωνία; Ποια είναι η σωστή δύναμη; "
Το IT Home σημειώνει ότι αυτό το στυλ μάθησης είναι παρόμοιο με τη διαδικασία εκμάθησης νέων δεξιοτήτων από τους ανθρώπους, ειδικά εκείνων που απαιτούν πρακτικά χέρια.
«Στο εργαστήριο, ο δάσκαλος έδινε οδηγίες στον μαθητευόμενο να πει: «Πρέπει να πιέσεις αυτή τη στενή άκρη», λέει ο Christian Hartl-Nesi, επικεφαλής του Industrial Robotics Group στην ομάδα του Andreas Kugi, «Θέλαμε να βρούμε έναν τρόπο για ρομπότ να μαθαίνει με παρόμοιο τρόπο».
Για το σκοπό αυτό, η ερευνητική ομάδα ανέπτυξε ένα ειδικό εργαλείο καθαρισμού, το σφουγγάρι εμποτισμού αισθητήρα. Το σφουγγάρι χρησιμοποιείται από τον άνθρωπο «δάσκαλο» για να καθαρίζει επανειλημμένα την μπροστινή άκρη του νεροχύτη μέσω αισθητήρων δύναμης και δεικτών παρακολούθησης.
«Δημιουργούμε πολλά δεδομένα με λίγες μόνο επιδείξεις και στη συνέχεια τα επεξεργαζόμαστε για να βοηθήσουμε το ρομπότ να κατανοήσει τον σωστό τρόπο καθαρισμού», εξηγεί ο Christian Hartl-Nesi.
Στη συνέχεια, η ερευνητική ομάδα χρησιμοποίησε μια καινοτόμο στρατηγική επεξεργασίας δεδομένων που επέτρεψε στο ρομπότ να καθαρίσει αποτελεσματικά έναν ολόκληρο νεροχύτη ή άλλο αντικείμενο με πολύπλοκες επιφάνειες, ακόμα κι αν είχε αποδειχθεί πώς να καθαρίζει μόνο μια άκρη του νεροχύτη.
Ο Christoph Unger, διδακτορικός φοιτητής στο Industrial Robotics Group, εξηγεί: «Το ρομπότ έχει μάθει να προσαρμόζει τον τρόπο που πιάνει το σφουγγάρι ανάλογα με το σχήμα της επιφάνειας, καθώς και να εφαρμόζει διαφορετικές δυνάμεις σε σφιχτά καμπύλες και επίπεδες επιφάνειες. "
Στο μέλλον, τα ρομπότ μπορούν να τοποθετηθούν σε κινητές πλατφόρμες, καθιστώντας τα ισχυρούς βοηθούς σε οποιοδήποτε περιβάλλον του καταστήματος. Και όπως οι άνθρωποι, αυτά τα ρομπότ μπορούν επίσης να μεταδώσουν τη δική τους εμπειρία σε άλλα ρομπότ.