Kredit:CC0 Public Domain
A*STAR-forskere, der arbejder med kolleger i Japan, har udviklet en metode, hvorved robotter automatisk kan genkende et objekt som et potentielt værktøj og bruge det, selvom jeg aldrig har set det før.
For mennesker, evnen til at genkende og bruge værktøjer er næsten instinktiv. Der er også mange eksempler på, hvor brug af værktøj synes at være fastkablet ind i dyrenes hjerne:nogle fugle og primater bruger pinde eller sten til at få mad, for eksempel. En foreslået årsag til denne neurologisk indlejrede evne til at bruge værktøjer er, at dyrets hjerne opfatter det ydre objekt som en forlængelse af sin egen krop. Inspireret af denne idé, Keng Peng Tee og hans kolleger fra A*STAR Institute for Infocomm Research, sammen med Gowrishankar Ganesh fra CNRS-AIST Joint Robotics Laboratory i Tsukuba, Japan udviklede en algoritme, der gør det muligt for robotter at genkende, og straks bruge værktøjer, som de aldrig har set før.
Tidligere forskning fra Ganesh har vist, at den menneskelige hjerne genkender et lem ikke kun ved dets fysiske træk, men ved dens funktionalitet. Med udgangspunkt i denne indsigt, Ganesh og A*STAR-teamet foreslog, at en robot kan genkende potentialet i et værktøj ved at sammenligne dets form med sin egen hånd og arm, når den bruges til at udføre den samme opgave. De skrev en algoritme baseret på denne idé og testede den ved at sætte en robot til opgave at bevæge sig, uden at fatte, en disk til et ønsket slutpunkt på en tabel. Dette indebar, at robotten enten trak disken mod sig selv, skubber det væk, eller flytte den til siden.
"Roboten er programmeret med evnen til at udføre opgaven af sig selv, repræsenteret ved en håndskabelon, " forklarer Tee. "Når opgaven ikke kan fuldføres, fordi dens arme ikke er lange nok, f.eks. robotten er i stand til at genkende et levedygtigt værktøj ved at matche værktøjsformen med håndformskabelonen."
Dermed, Algoritmen gjorde det muligt for robotten at genkende, når en opgave ikke kan udføres uden et værktøj, at identificere et ukendt objekt som et potentielt værktøj, og derefter bruge værktøjet til at nå opgaven. "Dernæst vil vi se på automatisk indlæring af de funktioner, der repræsenterer eksisterende færdigheder, i stedet for at foruddefinere håndformsskabeloner, " siger Tee.