El Toyota Research Institute (TRI) enseña a los robots para ayudar a las personas en sus casas utilizando un sistema de telepresencia inmersivo, en el que hay un modelo, que refleja lo que está haciendo el robot.
Operar y navegar en entornos domésticos es muy difícil para los robots. Cada hogar es único, con una combinación diferente de objetos en configuraciones distintas que cambian con el tiempo. Para abordar la diversidad a la que se enfrenta un robot en un entorno hogareño, le enseñamos a realizar tareas arbitrarias con una variedad de objetos, en lugar de programar al robot para que realice tareas predefinidas específicas con objetos específicos. De esta manera, el robot aprende a vincular lo que ve con las acciones que se le enseñan. Cuando el robot vuelve a ver un objeto o escenario específico, incluso si la escena ha cambiado ligeramente, sabe qué acciones puede tomar con respecto a lo que ve
El profesor ve lo que el robot está viendo en vivo, en 3D, desde los sensores del robot. El profesor puede seleccionar diferentes comportamientos para instruir y luego anotar la escena 3D, como asociar partes de la escena a un comportamiento, especificar cómo agarrar un asa o dibujar la línea que define el eje de rotación de la puerta de un armario. Al enseñar una tarea, una persona puede probar diferentes enfoques, haciendo uso de su creatividad para usar las manos y herramientas del robot para realizar la tarea. Esto facilita el aprovechamiento y el uso de diferentes herramientas, lo que permite a los humanos transferir rápidamente su conocimiento al robot para situaciones específica
Este sistema de enseñanza solo necesita comprender las cosas a su alrededor que son relevantes para el comportamiento que se realiza. En lugar de vincular las acciones motoras de bajo nivel con lo que ve, utiliza comportamientos de alto nivel. Como resultado, nuestro sistema no necesita modelos de objetos o mapas anteriores. Se puede enseñar a asociar un conjunto dado de comportamientos a escenas arbitrarias, objetos y comandos de voz a partir de una sola demostración del comportamiento. Esto también hace que el sistema sea fácil de entender y hace que las condiciones de falla sean fáciles de diagnosticar y reproducir.
Su robot está diseñado específicamente para facilitar la enseñanza y la realización de estas tareas. Al igual que una persona, tiene muchos grados de libertad redundantes, lo que garantiza que el robot pueda mover las manos de la manera que desee, cuando lo desee, ajustando la postura de todo el cuerpo para acomodar los movimientos. El robot también tiene un conjunto de cámaras visuales y de profundidad con un campo de visión muy amplio. Esto proporciona una cantidad significativa de contexto tanto a la persona que enseña al robot como al robot mismo.
Su enseñanza y pruebas se realizan en hogares reales. Esto es crítico para lograr la capacidad y confiabilidad suficientes. Nuestros robots son prototipos de investigación, y seleccionamos tareas para el robot que motivan y promueven el desarrollo de algoritmos, en lugar de demostrar conceptos de productos. Con el conocimiento obtenido de nuestros experimentos, constantemente iteramos y ajustamos la forma en que abordamos los problemas, tanto en hardware como en software. En este momento, nuestro sistema puede realizar con éxito una tarea relativamente compleja a nivel humano aproximadamente el 85% del tiempo. Esto incluye dejar que el robot vuelva a intentarlo automáticamente si reconoce que ha fallado en un comportamiento específico. Cada tarea se compone de aproximadamente 45 comportamientos independientes, lo que significa que cada comportamiento individual resulta en éxito o fracaso recuperable el 99.6% del tiempo.
El enfoque de Toyota Research Institute (TRI) podría extenderse fácilmente más allá de los hogares y aplicarse a otros entornos. Por ejemplo, una persona podría enseñar rápida y remotamente a un brazo industrial en una fábrica a realizar tareas de fabricación repetitivas, o ajustar rápidamente una tarea de recoger-mover-empacar para un robot logístico
Operar y navegar en entornos domésticos es muy difícil para los robots. Cada hogar es único, con una combinación diferente de objetos en configuraciones distintas que cambian con el tiempo. Para abordar la diversidad a la que se enfrenta un robot en un entorno hogareño, le enseñamos a realizar tareas arbitrarias con una variedad de objetos, en lugar de programar al robot para que realice tareas predefinidas específicas con objetos específicos. De esta manera, el robot aprende a vincular lo que ve con las acciones que se le enseñan. Cuando el robot vuelve a ver un objeto o escenario específico, incluso si la escena ha cambiado ligeramente, sabe qué acciones puede tomar con respecto a lo que ve
El profesor ve lo que el robot está viendo en vivo, en 3D, desde los sensores del robot. El profesor puede seleccionar diferentes comportamientos para instruir y luego anotar la escena 3D, como asociar partes de la escena a un comportamiento, especificar cómo agarrar un asa o dibujar la línea que define el eje de rotación de la puerta de un armario. Al enseñar una tarea, una persona puede probar diferentes enfoques, haciendo uso de su creatividad para usar las manos y herramientas del robot para realizar la tarea. Esto facilita el aprovechamiento y el uso de diferentes herramientas, lo que permite a los humanos transferir rápidamente su conocimiento al robot para situaciones específica
Este sistema de enseñanza solo necesita comprender las cosas a su alrededor que son relevantes para el comportamiento que se realiza. En lugar de vincular las acciones motoras de bajo nivel con lo que ve, utiliza comportamientos de alto nivel. Como resultado, nuestro sistema no necesita modelos de objetos o mapas anteriores. Se puede enseñar a asociar un conjunto dado de comportamientos a escenas arbitrarias, objetos y comandos de voz a partir de una sola demostración del comportamiento. Esto también hace que el sistema sea fácil de entender y hace que las condiciones de falla sean fáciles de diagnosticar y reproducir.
 |
| TRI Robot casa |
Su robot está diseñado específicamente para facilitar la enseñanza y la realización de estas tareas. Al igual que una persona, tiene muchos grados de libertad redundantes, lo que garantiza que el robot pueda mover las manos de la manera que desee, cuando lo desee, ajustando la postura de todo el cuerpo para acomodar los movimientos. El robot también tiene un conjunto de cámaras visuales y de profundidad con un campo de visión muy amplio. Esto proporciona una cantidad significativa de contexto tanto a la persona que enseña al robot como al robot mismo.
Su enseñanza y pruebas se realizan en hogares reales. Esto es crítico para lograr la capacidad y confiabilidad suficientes. Nuestros robots son prototipos de investigación, y seleccionamos tareas para el robot que motivan y promueven el desarrollo de algoritmos, en lugar de demostrar conceptos de productos. Con el conocimiento obtenido de nuestros experimentos, constantemente iteramos y ajustamos la forma en que abordamos los problemas, tanto en hardware como en software. En este momento, nuestro sistema puede realizar con éxito una tarea relativamente compleja a nivel humano aproximadamente el 85% del tiempo. Esto incluye dejar que el robot vuelva a intentarlo automáticamente si reconoce que ha fallado en un comportamiento específico. Cada tarea se compone de aproximadamente 45 comportamientos independientes, lo que significa que cada comportamiento individual resulta en éxito o fracaso recuperable el 99.6% del tiempo.
Comentarios
Publicar un comentario