Alle fingerrobotter vil have til jul er en hånd som Dactyl

Et brev, flerfarvet blok:En triviel opgave venter på mennesker for at hente den, vend det om, kaste det rundt i vores håndflade. For en robotekspert, selvom, dette er en opgave, der er svær at klatre. Håndmanipulation for robotter har altid været en udfordring.

Indtast Dactyl. En OpenAI -video blev offentliggjort mandag, med titlen Learning fingerfærdighed, stolt viste deres robotsystem, Dactyl, som er blevet skabt til at manipulere objekter-på en førsteklasses måde.

Accenten er på ordet fingerfærdighed. Dens fingre håndterer blokken på en måde, der er ganske bemærkelsesværdig, herunder behændigt at dreje blokken på dens forskellige sider. Det lærte at rotere blokken i enhver retning, der kunne lide.

De uddannede et konvolutionsnervalt netværk, sagde IEEE -spektrum Evan Ackerman, at styre en skyggehånd til at manipulere objekter, på bare 50 timer.

At være sikker, den anden grund til, at deres hånd vakte interesse, var, at den blev oparbejdet på kortere tid. Ackerman understregede betydningen af ​​tidspåner for robothold. (Tallene er ydmyge. IEEE -spektrum nævnte 50 vellykkede terninger som følge af 6, 144 CPU -kerner og 8 GPU'er, der samler 100 års simuleret robotoplevelse på 50 timer.)

Det tager mennesker år at nå "robuste" niveauer af håndmanipulationer. Godt, robotter, sagde Ackerman, "har ikke den slags tid. Læring gennem praksis og erfaring er stadig vejen til komplekse opgaver som denne, og udfordringen er at finde en måde at lære hurtigere og mere effektivt end bare at give en robot hånd noget at manipulere igen og igen, indtil den lærer, hvad der virker, og hvad der ikke gør, hvilket sandsynligvis ville tage omkring hundrede år. "

Reuters beskrev på samme måde, hvorfor deres arbejde er vigtigt:"Fysisk træning tager måneder eller år og har sine egne problemer - f.eks. hvis en robothånd taber et emne, et menneske skal tage det op og lægge det tilbage. Det er også dyrt. Forskere har søgt at hugge disse års fysisk træning op og distribuere dem til flere computere til en softwaresimulering, der kan udføre træningen på timer eller dage, uden menneskelig hjælp. "

Et andet spændende aspekt blev knyttet af Stephen Nellis i Reuters -artiklen. "Forskere injicerede tilfældig støj i softwaresimuleringen, gør robothåndens virtuelle verden rodet nok til, at den ikke blev forvirret af det uventede i den virkelige verden. "

Ved at hæve barren ved håndmanipulation, teamet havde formået at dække variationer, der ikke kan modelleres godt. Ackerman skrev, "Dette inkluderer objektets masse og dimensioner, friktion af både objektets overflade og robotens fingerspidser, hvor godt robotens led er dæmpet, aktuator kræfter, fælles grænser, motorreaktion og støj, og mere."

I deres OpenAI -blogindlæg, holdet sagde, at de trænede en menneskelignende robothånd til at manipulere fysiske objekter "med hidtil uset fingerfærdighed." De bemærkede, hvordan Dactyl udelukkende blev uddannet i simulering, "tilpasse sig den virkelige fysik ved hjælp af teknikker, vi har arbejdet med det sidste år. Dactyl lærer fra bunden ved hjælp af den samme generelle forstærkningslæringsalgoritme og kode som OpenAI Five."

Det er muligt at træne agenter i simulering og få dem til at løse opgaver i virkeligheden, de sagde, uden fysisk præcis modellering af verden.

© 2018 Tech Xplore