İnsanlar, ellerinde tuttukları nesnelere ve gerçekleştirmeye çalıştıkları görevlere göre hareketlerini değiştirme yeteneğiyle doğarlar. Örneğin, öğrenciler belirli meyve veya sebzeleri keserken dış kabuğunu dikkatlice çıkarmayı veya avokado veya şeftali çekirdeği gibi daha sert kısımların etrafını kesmeyi öğrenebilirler.
Robotlar, yemek pişirme ve yemek hazırlama gibi yaygın işlerde insanlara yardımcı olmak için karışık malzeme bileşimlerine veya dokulara sahip şeyleri verimli bir şekilde kesebilmelidir. Ancak bu kapasiteyi robotlara aktarmanın şimdiye kadar çok zor olduğu kanıtlanmıştır.
Columbia Üniversitesi, CMU, UC Berkeley ve diğer Amerikan kurumlarındaki araştırmacılar tarafından yakın zamanda geliştirilen makine öğrenimi tabanlı bir sistem olan RoboNinja, robotların çok malzemeli nesneleri, özellikle de sert çekirdekli yumuşak şeyleri kesmesini sağlayabilir. ArXiv ön baskı servisinde yayınlanan makaleleri, insanlara ev işleri ve günlük yemek pişirme görevlerinde yardımcı olmak üzere yaratılan robotların becerilerinin geliştirilmesine katkıda bulunabilir.
Zhenjia Xu, Zhou Xian ve meslektaşları makalelerinde RoboNinja’nın tek materyalli nesneleri kesmek için (salatalık dilimlemek gibi) açık döngü kesme eylemlerini kullanan önceki çalışmaların aksine, sert çekirdeği korurken bir nesnenin yumuşak kısmını çıkarmayı ve böylece verimi en üst düzeye çıkarmayı amaçladığını belirtmişlerdir. Yaklaşımımız bunu yapmak için etkileşimli bir durum tahmincisi ve algı-eylem döngüsünü kapatmak için uyarlanabilir bir kesme politikası kullanır.
Bir bilgisayar programı kullanarak, herhangi bir bilgisayarda çalışabilecek bir bilgisayar programı oluşturmalarını sağlayacak bir bilgisayar programı oluşturabildiler. Sistemin hedefleri, merkezi tohumla çarpışmaları azaltırken ve mümkün olduğunca az güç kullanırken olabildiğince çok posa çıkarmaktır.
Robotların Kesme İşlemleri ve Geliştirilen Algoritmalar
Xu, Xian ve meslektaşlarının makalelerine göre sistem, bir nesnenin çekirdeğinin konumunu ve geometrisini tekrar tekrar tahmin etmek için seyrek çarpışma bilgilerini kullandıktan sonra tahmini duruma ve bir tolerans değerine dayalı kapalı döngü kesme eylemleri üretiyor. Açıklamaya göre, “Tolerans değeri, tahmini çekirdekten uyarlanabilir bir güvenlik mesafesini koruyarak, çarpışmaları karşılarken politikanın muhafazakarlığını değiştirir”.
Araştırmacılar, çok malzemeli nesneleri kesmeye yönelik sistemlerini değerlendirmek için karşılaştıkları sorunu değerlendirmeye daha uygun bir kesme simülasyon ortamı geliştirdiler. Bir robot bu ortamda sert ve yumuşak malzemelerin birleşiminden oluşan nesneleri çeşitli şekillerde kesebiliyor.
Xu, Xian ve meslektaşlarının makalesine göre, “Mevcut simülatörler çok malzemeli ürünleri simüle etme veya kesme işlemi boyunca enerji kullanımını hesaplama konusunda sınırlıdır. Bu sorunu ele almak için çoklu malzeme bağlantısını destekleyen ve politika öğrenimi için örnek olarak optimize edilmiş yörüngelerin oluşturulmasını sağlayan farklılaştırılabilir bir kesme simülatörü oluşturuyoruz.
RoboNinja, Xu, Xian ve meslektaşlarının robotik kavrayıcı simülasyonlarının, sert parçalarla çarpışmaları sınırlarken ve tolere edilebilir miktarda enerji harcarken nesnelerden önemli miktarda yumuşak malzeme çıkarmasını sağladı. Ekip, çerçevenin performansını gerçek dünya senaryolarında ve çeşitli çekirdek geometrilerine sahip nesneleri keserken daha fazla doğrulamak için, daha sonra gerçek bir robotik kavrayıcı üzerinde test etti.
Araştırmacılar raporlarında, denemelerimizin stratejimizin yenilikçi çekirdek geometrilerine ve hatta gerçek meyvelere genellenebilirliğini gösterdiğini yazdılar. Yazarlar, “Deneylerimizin ve yeni oluşturulan simülatörün sonuçlarının, çok malzemeli öğelerle etkileşimleri içeren robot öğrenimi üzerine daha fazla araştırma yapılmasını teşvik etmesini bekliyoruz” diye yazıyor.
Kaynak: Techxplore
