Roboter mieten Wohnungen über Airbnb, um zu lernen, wie man Gegenstände besser ergreift

Vielleicht möchten Sie nach Airbnb-Häusern mit großen Räumen oder sehr hellen Apartments oder Badezimmern mit zwei Waschbecken suchen. Aber wenn Sie ein Roboter sind, brauchen Sie nur diese kleine Abwechslung. Der Teppich ist da, das Parkett ist da. Weil Sie ein Pionier sind, nicht nur ein Tourist.

Zumindest ist dies bei speziellen Robotern der Fall, die von einem Team der Carnegie Mellon University entwickelt wurden. Um Maschinen für die Manipulation von Objekten in der realen Welt zu trainieren, brauchten sie Zugang zu vielen verschiedenen Häusern - zuerst waren sie ihre eigenen Häuser, dann die Häuser von Freunden und dann endeten bezahlbare Häuser. Nachdem sie ihre Roboter bis zu einem gewissen Grad trainiert hatten, gingen sie mit ihnen, um an unbekannten Orten von Airbnb zu testen.



Und ja, bis Sie gefragt haben - die Eigentümer der Häuser wussten, warum sie die Räumlichkeiten mieteten. Und ja, Roboter, die im Grunde genommen wie Roboterstaubsauger mit der Hand aussehen, erwiesen sich als großartige Gäste. (Sie blieben ungefähr anderthalb Tage und mit ihnen mehrere Wissenschaftler, die die Tests durchführten). „Ich erinnere mich, wie sehr die Eigentümer an dieser Arbeit interessiert waren und wie sich die Roboter an verschiedenen Orten des Hauses verhalten“, sagt Robotik Lerrel Pinto. "Sie sagten, dass wir Roboter in anderen Teilen des Hauses sicher einsetzen können." Und genau das haben die Forscher getan. "Einige von ihnen waren sehr neugierig, sie beobachteten, wie der Roboter angeordnet ist, wie er sich bewegt, und fragten, ob er Müll vom Boden aufnehmen könne."

Sie wussten nicht wie. Sie wussten, wie man die erworbene Fähigkeit demonstriert, mit neuen Objekten umzugehen, die Forscher mitgebracht hatten, von Heftern über Stofftiere bis hin zu Sprühflaschen. Die Forscher platzierten sie auf verschiedenen Oberflächen, Teppichen und Fußböden, was dem Roboter die Möglichkeit gab, das Arbeiten mit einem anderen Hintergrund zu üben.

Tatsächlich kann Maschinen auf zwei Arten beigebracht werden, Objekte zu erfassen: in einer Simulation oder in der realen Welt. Simulationen sind gut in ihrer Geschwindigkeit; Sie können das digitale Robotermodell Hunderte von Kollisionen vertreiben lassen, während eine echte Maschine ihren Ellbogen und ihr Handgelenk leicht bewegen kann. Leider kann man in der digitalen Welt die reale nicht gründlich simulieren: Physikalische Experimente bleiben die einzige Möglichkeit, um zu überprüfen, ob das Training wirklich in der Lage ist, mit der realen Physik umzugehen. Sie können auch Simulationstraining verwenden - wenn eine Person einen Roboter steuert und der Roboter währenddessen lernt, dies zu tun, aber es erfordert viel Aufwand.

Der letzte physikalische Test besteht darin, den Roboter außerhalb der sterilen Umgebung, die speziell für Labortests vorbereitet wurde, in die ungeordnete und chaotische Welt der Menschen zu bringen. "Wir müssen unsere Roboter nach Hause bringen", sagte Abhinav Gupta, ein Roboteringenieur, der bei der Entwicklung des neuen Systems mitgewirkt hat. „Wir müssen viele Daten über Manipulationen in einer realen Umgebung sammeln, in der sich die Böden unterscheiden können - es kann sich um einen Teppich, eine Fliese oder ein Brett handeln.“

Als Forscher zu Hause Roboter trainierten, hatten sie bereits Vorkenntnisse. Zum Erfassen ist es beispielsweise erforderlich, das Objekt mithilfe der Bildverarbeitung zu sehen, dorthin zu gelangen und es aufzunehmen. Die Frage ist, welcher Ort. „Der Roboter hat eine zufällige Stelle ausgewählt und versucht, seine Finger zu drücken, um festzustellen, ob der Griff erfolgreich war“, sagt Gupta. "Haben Sie es tatsächlich geschafft, das Objekt vom Boden zu heben oder nicht?" Der Roboter kann dank der eingebauten Leistungssensoren den Erfolg der Erfassung bestimmen und das Objekt in der Hand erkennen.

„Zuerst passiert alles zufällig, aber nach mehreren tausend Wiederholungen beginnt er zu lernen, wo er es geschafft hat und wo nicht“, fügt Gupta hinzu. Auf diese Weise kann der Roboter lernen, mit realen Objekten zu arbeiten, und diese Daten dann verwenden, um alles zu erfassen, was ihm im Haus begegnet. Im Gegensatz zum Labor geschieht alles unter verschiedenen Lichtbedingungen und auf verschiedenen Etagen. Daher sammeln Roboter einen umfangreicheren Datensatz, der die tatsächlichen Arbeitsplätze von Robotern in der Zukunft genauer darstellt - zum Beispiel, wenn sie die Wohnungen älterer Menschen reinigen. Einmal in einer Mietwohnung - in einer ungewohnten Umgebung - kann er sich daher anpassen und nicht in Panik geraten. Infolgedessen konnte der Roboter in 62% der Fälle unbekannte Objekte erfassen, während das im Labor trainierte Modell nur in 18,5% der Fälle verwaltet wurde.

Dies bedeutet nicht, dass die Laborausbildung veraltet ist. Komplexe Roboter, die die Aufgabe mit einer Toleranz von mehreren Millimetern ausführen können, sind für die Untersuchung von Robotergriffen von entscheidender Bedeutung - und dieser Bereich bleibt für Roboter problematisch. Aber solche Roboter sind zu groß und zu teuer - bis zu Zehntausenden von Dollar -, als dass Sie zu Hause mit ihnen experimentieren können. Forscher haben für nur 3.000 US-Dollar einen mobileren Heimroboter zusammengestellt.

Es gab einige Kompromisse, zum Beispiel die Verwendung von Motoren mit einer Toleranz von Zentimetern und nicht von Millimetern. Das ist nicht sehr gut - stellen Sie sich vor, Sie irren sich um einen Zentimeter und versuchen, eine Dose Soda zu holen. "Aber wir haben versucht, Zufälligkeit zu simulieren", sagt Gupta. "Wir versuchen nicht nur zu lernen, wie man greift, sondern auch, welche Fehler Controller haben können." Als sie dies simulieren konnten, konnten sie die leicht launischen Bewegungen des Roboters korrigieren.

„Die Arbeit zeigt, wie es möglich ist, Unfälle in einer so unkontrollierten Umgebung zu berücksichtigen, mit kostengünstigen Geräten zu arbeiten und gleichzeitig die Datenerfassung außerhalb des Labors durchzuführen. Dies kann Ihnen helfen, einen umfassenden Satz hoch skalierbarer, vielfältiger und aggregierter Daten zu erhalten “, sagte Xavier Puy, der im Bereich der Ausbildung von Robotern in Simulationen am MIT arbeitet.

Dies ist ideal für Roboter und für Eigentümer von Mietwohnungen. In der Tat werden Roboter es niemals wagen, ein Chaos in einer Wohnung zu hinterlassen.