Anda mungkin ingin mencari rumah airbnb dengan kamar besar, atau apartemen yang sangat cerah, atau kamar mandi dengan wastafel kembar. Tetapi jika Anda adalah robot, Anda hanya perlu variasi kecil itu. Permadani ada di sini, parket ada di sana. Karena Anda adalah perintis, bukan hanya turis.
Setidaknya ini adalah kasus untuk robot khusus yang dikembangkan oleh tim dari Universitas Carnegie Mellon. Untuk melatih mesin untuk memanipulasi objek di dunia nyata, mereka membutuhkan akses ke banyak rumah yang berbeda - pertama mereka adalah rumah mereka sendiri, kemudian rumah teman, dan kemudian rumah yang terjangkau berakhir. Karena itu, setelah melatih robot mereka hingga batas tertentu, mereka pergi bersama mereka untuk menguji di tempat-tempat Airbnb yang belum dipetakan.
Dan, ya, sampai Anda bertanya - pemilik rumah tahu mengapa mereka menyewa tempat itu. Dan, ya, robot - yang pada dasarnya tampak seperti penyedot debu robot dengan tangan - terbukti menjadi tamu yang hebat. (Mereka tinggal selama satu setengah hari, dan bersama mereka beberapa ilmuwan yang melakukan tes). "Saya ingat bagaimana pemiliknya sangat tertarik dengan pekerjaan ini, dan mereka tertarik untuk melihat bagaimana robot berperilaku di berbagai tempat di rumah," kata robotik Lerrel Pinto. "Mereka bilang kita bisa menggunakan robot dengan aman di bagian lain rumah." Dan para peneliti melakukan hal itu. "Beberapa dari mereka sangat penasaran, mereka menyaksikan bagaimana robot itu diatur, bagaimana ia bergerak, dan bertanya apakah itu bisa mengambil sampah dari lantai."
Mereka tidak tahu caranya. Apa yang mereka tahu bagaimana melakukannya adalah untuk menunjukkan kemampuan yang diperoleh untuk menangani benda-benda baru yang dibawa oleh para peneliti, dari stapler ke mainan lunak dan botol semprot. Para peneliti menempatkan mereka di permukaan yang berbeda, karpet dan lantai, yang memberi robot kesempatan untuk berlatih bekerja dengan latar belakang yang berbeda.
Bahkan, mesin dapat diajarkan untuk mengambil benda dengan dua cara: dalam simulasi, atau di dunia nyata. Simulasi bagus dalam kecepatannya; Anda dapat membuat model robot digital mengusir ratusan tabrakan selama waktu di mana mesin nyata dapat menggerakkan siku dan pergelangan tangannya sedikit. Sayangnya, di dunia digital seseorang tidak dapat secara menyeluruh mensimulasikan yang asli: eksperimen fisik tetap menjadi satu-satunya cara untuk memverifikasi bahwa pelatihan benar-benar mampu mengatasi fisika nyata. Anda juga dapat menggunakan pelatihan simulasi - ketika seseorang mengendalikan robot, dan robot, sementara itu, belajar melakukannya, tetapi itu membutuhkan banyak usaha.
Tes fisik akhir terdiri dari mengambil robot di luar lingkungan yang steril, khusus disiapkan untuk tes laboratorium, ke dunia orang yang berantakan dan kacau. "Kita perlu membawa pulang robot kita," kata Abhinav Gupta, seorang insinyur robot yang membantu mengembangkan sistem baru. "Kita perlu mengumpulkan banyak data tentang manipulasi di lingkungan nyata di mana lantai mungkin berbeda - itu bisa berupa karpet, ubin atau papan."
Ketika peneliti melatih robot di rumah, mereka sudah memiliki pengetahuan sebelumnya. Misalnya, untuk menangkap itu perlu untuk melihat objek menggunakan visi mesin, dapatkan dan ambil. Pertanyaannya adalah tempat apa. "Robot itu memilih tempat acak dan mencoba meremas jari-jarinya untuk melihat apakah genggamannya berhasil," kata Gupta. "Sebenarnya, apakah kamu berhasil mengangkat benda itu dari lantai atau tidak." Robot dapat menentukan keberhasilan penangkapan berkat sensor daya bawaan, serta membuat objek di tangan.
"Pada awalnya, semuanya terjadi secara kebetulan, tetapi setelah beberapa ribu pengulangan, ia mulai belajar di mana ia berhasil melakukannya dan di mana tidak," tambah Gupta. Dengan demikian, robot dapat belajar untuk bekerja dengan benda nyata, dan kemudian menggunakan data ini, mencoba untuk menangkap semua yang ada di dalam rumah. Tidak seperti laboratorium, semuanya terjadi di bawah kondisi pencahayaan yang berbeda dan di lantai yang berbeda, sehingga robot mengumpulkan set data yang lebih kaya yang lebih akurat mewakili tempat kerja robot yang sebenarnya di masa depan - misalnya, jika mereka membersihkan apartemen orang tua. Karena itu, begitu berada di apartemen sewaan - di lingkungan yang asing - ia bisa beradaptasi, dan tidak panik. Hasilnya, robot mampu menangkap objek yang tidak diketahui dalam 62% kasus, ketika model yang dilatih di laboratorium hanya berhasil pada 18,5% kasus.
Ini tidak berarti bahwa pelatihan laboratorium sudah ketinggalan zaman; robot kompleks yang mampu melakukan tugas dengan toleransi beberapa milimeter sangat penting untuk mempelajari grip robot - dan area ini tetap bermasalah untuk robot. Tetapi robot seperti itu terlalu besar dan mahal - hingga puluhan ribu dolar - sehingga Anda dapat bereksperimen dengan mereka di rumah. Para peneliti telah mengumpulkan lebih banyak robot rumah mobil hanya dengan $ 3.000.
Ada beberapa kompromi, misalnya, penggunaan motor dengan toleransi sentimeter, dan bukan milimeter. Ini tidak terlalu baik - bayangkan Anda salah sentimeter, mencoba mengambil sekaleng soda. "Tapi kami mencoba mensimulasikan keacakan," kata Gupta. "Kami tidak hanya mencoba mempelajari cara meraih, tetapi juga mempelajari kesalahan apa yang mungkin dimiliki pengontrol." Ketika mereka berhasil mensimulasikan ini, mereka dapat memperbaiki gerakan robot yang sedikit berubah-ubah.
“Pekerjaan ini menunjukkan bagaimana mungkin untuk memperhitungkan kecelakaan di lingkungan yang tidak terkendali dan bekerja dengan peralatan murah, dan pada saat yang sama mengambil proses pengumpulan data di luar laboratorium. Ini dapat membantu Anda mendapatkan serangkaian luas data yang sangat skalabel, beragam, dan agregat, ”kata Xavier Puy, yang bekerja di bidang pelatihan robot dalam simulasi di MIT.
Ini bagus untuk robot dan untuk pemilik apartemen sewaan. Memang, robot tidak akan pernah berani meninggalkan kekacauan di apartemen.