Νέα εργαλεία εκπαίδευσης ρομπότ από το MIT

Η νέα εποχή της εκπαίδευσης ρομπότ

Η εκπαίδευση ενός ρομπότ σε νέες δεξιότητες απαιτούσε μέχρι πρόσφατα εξειδικευμένες γνώσεις προγραμματισμού. Ωστόσο, μια νέα γενιά ρομπότ υπόσχεται να αλλάξει αυτό το δεδομένο, επιτρέποντας σε οποιονδήποτε να διδάξει ένα ρομπότ. Οι μηχανικοί εργάζονται πάνω σε ρομποτικούς βοηθούς που μπορούν να “μάθουν από την επίδειξη”. Αυτή η φυσική στρατηγική εκπαίδευσης επιτρέπει σε ένα άτομο να καθοδηγήσει ένα ρομπότ σε μια εργασία, χρησιμοποιώντας τρεις κύριες μεθόδους: τηλεχειρισμό, φυσική κίνηση του ρομπότ ή εκτέλεση της εργασίας ενώ το ρομπότ παρακολουθεί και μιμείται.

Η καινοτομία του MIT

Τα ρομπότ που μαθαίνουν μέσω πρακτικής συνήθως εκπαιδεύονται με μία από αυτές τις μεθόδους. Ωστόσο, οι μηχανικοί του MIT ανέπτυξαν μια διεπαφή εκπαίδευσης τριών σε ένα, που επιτρέπει σε ένα ρομπότ να μάθει μια εργασία χρησιμοποιώντας οποιαδήποτε από τις τρεις μεθόδους. Αυτή η διεπαφή είναι ένα φορητό εργαλείο εξοπλισμένο με αισθητήρες που μπορεί να προσαρτηθεί σε πολλούς κοινούς συνεργατικούς ρομποτικούς βραχίονες. Ένα άτομο μπορεί να χρησιμοποιήσει το εργαλείο για να διδάξει ένα ρομπότ να εκτελεί μια εργασία μέσω τηλεχειρισμού, φυσικής χειρισμού ή επίδειξης της εργασίας — ανάλογα με το τι προτιμά ή τι ταιριάζει καλύτερα στην εργασία.

Δοκιμές και αποτελέσματα

Η ομάδα του MIT δοκίμασε το νέο εργαλείο, το οποίο ονομάζουν “πολλαπλή διεπαφή επίδειξης”, σε έναν τυπικό συνεργατικό ρομποτικό βραχίονα. Εθελοντές με εμπειρία στη βιομηχανία χρησιμοποίησαν τη διεπαφή για να εκτελέσουν δύο χειρονακτικές εργασίες που συχνά πραγματοποιούνται σε εργοστάσια. Οι ερευνητές αναφέρουν ότι η νέα διεπαφή προσφέρει αυξημένη ευελιξία στην εκπαίδευση, που θα μπορούσε να επεκτείνει τον τύπο των χρηστών και των “δασκάλων” που αλληλεπιδρούν με τα ρομπότ.

Ευέλικτοι συνεργάτες

Η ομάδα του MIT στοχεύει στη δημιουργία εξαιρετικά ευφυών και ικανών συνεργατών που μπορούν να εργαστούν αποτελεσματικά με ανθρώπους για την ολοκλήρωση σύνθετων εργασιών. Ο Mike Hagenow, μεταδιδακτορικός ερευνητής στο MIT, αναφέρει: “Πιστεύουμε ότι τα ευέλικτα εργαλεία επίδειξης μπορούν να βοηθήσουν πέρα από το εργοστάσιο, σε τομείς όπως το σπίτι ή η φροντίδα”. Ο Hagenow θα παρουσιάσει μια εργασία που περιγράφει τη νέα διεπαφή στο συνέδριο IEEE Intelligent Robots and Systems (IROS) τον Οκτώβριο.

Η σημασία της εκμάθησης από την επίδειξη

Η ομάδα της Julie Shah στο MIT σχεδιάζει ρομπότ που μπορούν να συνεργάζονται με ανθρώπους στον χώρο εργασίας, στα νοσοκομεία και στο σπίτι. Ένας βασικός στόχος της έρευνάς της είναι η ανάπτυξη συστημάτων που επιτρέπουν στους ανθρώπους να διδάσκουν στα ρομπότ νέες εργασίες ή δεξιότητες “στη δουλειά”. Αυτά τα συστήματα θα βοηθήσουν, για παράδειγμα, έναν εργάτη στο εργοστάσιο να προσαρμόσει γρήγορα και φυσικά τις κινήσεις ενός ρομπότ για να βελτιώσει την εργασία του, αντί να χρειάζεται να επαναπρογραμματίσει το λογισμικό του ρομπότ από την αρχή.

Η νέα διεπαφή επίδειξης

Με αυτόν τον στόχο, η ομάδα ανέπτυξε μια νέα ευέλικτη διεπαφή επίδειξης (VDI). Η διεπαφή είναι ένα φορητό εξάρτημα που μπορεί να προσαρμοστεί στον βραχίονα ενός τυπικού συνεργατικού ρομποτικού βραχίονα. Το εξάρτημα είναι εξοπλισμένο με κάμερα και δείκτες που παρακολουθούν τη θέση και τις κινήσεις του εργαλείου με την πάροδο του χρόνου, καθώς και αισθητήρες δύναμης για τη μέτρηση της πίεσης που εφαρμόζεται κατά τη διάρκεια μιας εργασίας.

Εφαρμογές και πειράματα

Για να δοκιμάσουν τη χρηστικότητα του εξαρτήματος, η ομάδα μετέφερε τη διεπαφή μαζί με έναν συνεργατικό ρομποτικό βραχίονα σε ένα τοπικό κέντρο καινοτομίας. Οι ερευνητές έστησαν ένα πείραμα όπου ζήτησαν από εθελοντές να χρησιμοποιήσουν το ρομπότ και τις τρεις μεθόδους εκπαίδευσης της διεπαφής για να ολοκληρώσουν δύο κοινές βιομηχανικές εργασίες: τοποθέτηση με πίεση και χύτευση.

Συμπεράσματα και μελλοντικές προοπτικές

Η έρευνα έδειξε ότι οι εθελοντές γενικά προτιμούσαν τη φυσική μέθοδο από τον τηλεχειρισμό και την κινησιολογική εκπαίδευση. Οι χρήστες, όλοι ειδικοί στη βιομηχανία, πρότειναν σενάρια όπου κάθε μέθοδος μπορεί να έχει πλεονεκτήματα. Ο τηλεχειρισμός, για παράδειγμα, μπορεί να είναι προτιμότερος στην εκπαίδευση ενός ρομπότ για τη διαχείριση επικίνδυνων ουσιών. Η κινησιολογική εκπαίδευση θα μπορούσε να βοηθήσει τους εργαζόμενους να προσαρμόσουν τη θέση ενός ρομπότ που είναι επιφορτισμένο με τη μετακίνηση βαριών πακέτων. Και η φυσική διδασκαλία θα μπορούσε να είναι επωφελής στην επίδειξη εργασιών που περιλαμβάνουν λεπτούς και ακριβείς χειρισμούς.

Αυτή η εργασία υποστηρίχθηκε, εν μέρει, από το MIT Postdoctoral Fellowship Program for Engineering Excellence και το Wallenberg Foundation Postdoctoral Research Fellowship.