Mühendisler MIT ve NVIDIA, sezgisel etkileşim yöntemlerini kullanarak robotların eylemlerini gerçek zamanlı olarak ayarlamak için bir çerçeve tanıttılar. Sistem, ek verilerin toplanmasını veya onu geleneksel yaklaşımlardan ayıran bir sinir ağı modelinin yeniden eğitilmesini gerektirmez. Kullanıcılar robotu, eylemlerin performansını korurken, manipülatörün yörüngesini veya fiziksel hareketini çizerek ekrandaki nesnelerin seçimi yoluyla yönetebilir.
Modern robot sistemlerinin temel sorunu, edinilen modellerin gerçek senaryolara tutarsızlığıdır. Örneğin, kutuları hareket ettirmek için eğitilmiş bir robot, başka bir yönelim raflarıyla çalışırken zorluklarla karşılaşabilir. Genellikle bu, modelin uzun süreli aşırı eğitilmesini gerektirir, ancak yeni yöntem, görevin tamamlanması sırasında doğrudan ayarlamalar yapmanızı sağlar.
Felix Van’ın belirttiği gibi, çalışmanın önde gelen yazarı: “Kullanıcılar robotun“ kutudan çıkmasını ”bekliyorlar ve hatalarla sezgisel olarak yeniden yapılandırabilecekler. Çözmemiz bu sorun.
Freimvork, önceden öğrenilmiş üretken ve izin verilen eylem dizileri oluşturan modelleri kullanır. Bununla birlikte, sistem talimatları körü körüne takip etmek yerine, kullanıcı düzenlemesini özel bir örnekleme prosedürü aracılığıyla analiz eder. Bu, robotun, çatışmalardan veya diğer kabul edilemez işlemlerden kaçınarak bir dizi geçerli seçenekten optimum eylemleri seçmesine olanak tanır. Örneğin, bir kişi manipülatörü fiziksel olarak istenen alana yönlendirirse, algoritma sadece yörüngeyi değil, aynı zamanda çevrenin bağlamını da dikkate alır.
Van, “Fiziksel etkileşim, bilgiyi kaybetmeden niyeti aktarmanın en doğrudan yoludur” dedi.
Testte, sistem geri bildirimsiz yöntemlere kıyasla% 21 daha yüksek verimlilik göstermiştir. Minyatür bir mutfakta bir soyguncu ile yapılan testlerde, düzeltme, görevin tamamlanmasından sonra değil, iş sürecindeki hataların düzeltilmesini mümkün kıldı. Aynı zamanda, tekrarlanan düzenlemeler otomatik olarak sabitlenir ve robotun gelecekteki davranışlarını iyileştirir – örneğin, kapasite seçiminde birkaç ayarlamadan sonra, eylemin doğruluğu artar ve daha fazla müdahale ihtiyacını azaltır.
Geliştirme, uzman müdahalesi olmadan “anında” çalışabilen uyarlanabilir robotlar oluşturmanın yolunu açar. Bu, özellikle çalışma koşullarının değiştiği ve kullanıcıların programlama becerilerine sahip olmadığı ev ve endüstriyel senaryolar için önemlidir.
