Οι πιο ευέλικτες και ρευστές ρομποτικές κινήσεις, όπως οι εντυπωσιακές επιδείξεις ακροβατικών των ρομπότ της Boston Dynamics, είναι συνήθως προ-προγραμματισμένες ακολουθίες. Η διδασκαλία των ρομπότ να εκτελούν ένα ευρύτερο ρεπερτόριο από πειστικά ανθρώπινες κινήσεις είναι ακόμα πιο δύσκολη.
Για να ξεπεράσουν αυτό το εμπόδιο, ο Xuanbin Peng στο Πανεπιστήμιο της Καλιφόρνια στο Σαν Ντιέγκο και οι συνεργάτες του ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που ονομάζεται ExBody2, το οποίο επιτρέπει στα ρομπότ να αντιγράφουν και να εκτελούν ομαλά πολλές διαφορετικές ανθρώπινες κινήσεις με πιο ρεαλιστικούς τρόπους.
Ο Peng και η ομάδα του δημιούργησαν αρχικά μια βάση δεδομένων με ενέργειες που μπορεί να είναι ικανό να εκτελέσει ένα ανθρωποειδές ρομπότ, από απλές κινήσεις όπως η ορθοστασία ή το περπάτημα έως πιο περίπλοκους ελιγμούς, όπως δύσκολες χορευτικές κινήσεις. Η βάση δεδομένων περιελάμβανε καταγραφές κίνησης εκατοντάδων εθελοντών ανθρώπων που συλλέχθηκαν σε προηγούμενα ερευνητικά έργα.
«Δεδομένου ότι τα ανθρωποειδή ρομπότ μοιράζονται παρόμοια φυσική δομή με εμάς, είναι λογικό να εκμεταλλευτούμε τις τεράστιες ποσότητες δεδομένων ανθρώπινης κίνησης που είναι ήδη διαθέσιμες», λέει ο Peng. «Μαθαίνοντας να μιμείται αυτό το είδος κίνησης, το ρομπότ μπορεί να καταλάβει γρήγορα μια μεγάλη ποικιλία από ανθρώπινες συμπεριφορές. Αυτό σημαίνει ότι ό,τι μπορούν να κάνουν οι άνθρωποι, το ρομπότ μπορεί ενδεχομένως να το μάθει».
Για να διδάξουν ένα προσομοιωμένο ανθρωποειδές ρομπότ πώς να κινείται, ο Peng και η ομάδα του χρησιμοποίησαν ενισχυτική μάθηση, όπου δίνεται ένα παράδειγμα σε μια τεχνητή νοημοσύνη του τι αποτελείται μια επιτυχημένη κίνηση και στη συνέχεια επιφορτίζεται να βρει πώς να το κάνει μόνος του με δοκιμή και λάθος. Πρώτα έβαλαν το ExBody2 να μάθει με πλήρη πρόσβαση σε όλα τα δεδομένα σε αυτό το εικονικό ρομπότ, όπως τις συντεταγμένες κάθε άρθρωσης, ώστε να μπορεί να μιμηθεί τις ανθρώπινες ενέργειες όσο το δυνατόν περισσότερο. Στη συνέχεια, το έβαλαν να μάθει από αυτές τις κινήσεις, αλλά μόνο χρησιμοποιώντας δεδομένα θα είχε πρόσβαση στον πραγματικό κόσμο, όπως μετρήσεις αδράνειας ή ταχύτητας από αισθητήρες στο σώμα ενός πραγματικού ρομπότ.
Αφού είχε εκπαιδευτεί στη βάση δεδομένων, το ExBody2 τέθηκε υπό τον έλεγχο δύο διαφορετικών εμπορικών ανθρωποειδών ρομπότ. Ήταν σε θέση να συνδυάζει ομαλά απλές κινήσεις, όπως το περπάτημα σε ευθεία γραμμή και το σκύψιμο, καθώς και να εκτελεί πιο δύσκολες κινήσεις, όπως να ακολουθεί μια ρουτίνα χορού 40 δευτερολέπτων, να ρίχνει μπουνιές και να χορεύει βαλς με έναν άνθρωπο.
«Τα ανθρωποειδή ρομπότ λειτουργούν καλύτερα όταν συντονίζουν όλα τα άκρα και τις αρθρώσεις τους μαζί», λέει ο Peng. «Πολλές εργασίες και κινήσεις απαιτούν τα χέρια, τα πόδια και τον κορμό να συνεργαστούν και ο συντονισμός του πλήρους σώματος επεκτείνει σημαντικά το φάσμα των δυνατοτήτων του ρομπότ».
An AI that helps humanoid robots mirror a person’s movement could allow robots to move in more convincingly human ways – and even waltz with a human partner.
— New Scientist (@newscientist) January 16, 2025
Read more: https://t.co/KuwrYpqqs3 pic.twitter.com/X4TZMO85ph
photo: freepik
