• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • MacGyver-liknande robot kan bygga egna verktyg genom att bedöma form, leveransers funktion

    Upphovsman:Georgia Institute of Technology

    Tack vare ny teknik som gör det möjligt för dem att skapa enkla verktyg, robotar kan vara på gränsen till sin egen version av stenåldern.

    Med hjälp av en ny förmåga att resonera om form, fungera, och fastsättning av orelaterade delar, forskare har för första gången framgångsrikt utbildat en intelligent agent för att skapa grundläggande verktyg genom att kombinera objekt.

    Genombrottet kommer från Georgia Techs Robot Autonomy and Interactive Learning (RAIL) forskningslabb och är ett viktigt steg mot att göra det möjligt för intelligenta agenter att ta fram mer avancerade verktyg som kan visa sig användbara i farliga-och potentiellt livshotande-miljöer.

    Konceptet kan låta bekant. Det kallas "MacGyvering, "baserat på namnet på en 1980 -tals - och nyligen omstartad - tv -serie. I serien, titelkaraktären är känd för sin okonventionella problemlösningsförmåga med hjälp av olika resurser som finns tillgängliga för honom.

    I åratal, datavetare och andra har arbetat för att förse robotar med liknande funktioner. I deras nya robot-MacGyvering-arbete, RAIL -labforskare under ledning av docent Sonia Chernova använde som utgångspunkt en robotteknik som tidigare utvecklats av den tidigare Georgia Tech -professorn Mike Stilman.

    I detta senaste arbete, en robot som tränas med teamets nya tillvägagångssätt ges en uppsättning valfria delar och uppmanas att göra ett specifikt verktyg. Ungefär som dess mänskliga motsvarigheter, roboten undersöker först formerna på varje del och hur en kan fästas vid en annan.

    Använda maskininlärning, roboten tränas att matcha form till funktion - vilka objektformer underlättar ett visst resultat - från många exempel på vardagliga föremål. Till exempel, genom att lära sig att skålarnas konkavitet gör att de kan hålla vätskor, den använder denna kunskap när man bygger en sked. Liknande, robotarna fick lära sig att fästa föremål från exempel på material som kunde genomborrade eller greppas.

    I studien, forskare skapade framgångsrikt hammare, spatlar, skopor, skrapor, och skruvmejslar.

    "Skruvmejseln var särskilt intressant eftersom roboten kombinerade tång och ett mynt, "sa Lakshmi Nair, en doktorsexamen student vid School of Interactive Computing och en av forskarna på projektet. "Det resonerade att tången kunde greppa något och sa att myntet stämde överens med huvudet på en skruvmejsel. Sätt ihop dem, och det skapar ett effektivt verktyg. "

    För närvarande, roboten är endast begränsad till formen och infästningen. Det kan ännu inte effektivt resonera om specifika materialegenskaper, ett avgörande steg för att gå vidare till ett verkligt scenario.

    "Folk tror att hammare är robusta och starka, så du skulle inte göra en hammare av skumblock, "Sa Nair." Vi vill nå den resonemangsnivån i vårt arbete, vilket är något vi jobbar på nu. "

    Inspirationen till verket kommer från den populära historien om Apollo 13, den dömda sjunde besättningsflygningen i rymdprogrammet Apollo. Efter att en syretank i fartygets servicemodul exploderade två dagar in i uppdraget, besättningsmedlemmar tvingades göra provisoriska ändringar av koldioxidborttagningssystemet.

    Trots ett farligt tätt tidsfönster och extremt hög spänning bland alla ombord och vid uppdragskontroll, räddningen visade sig vara framgångsrik. Nair och medarbetare hoppas att denna forskning kommer att visa grunden för framtida robotteknik som kan resonera snabbare och utan stress.

    "De kunde göra det här filtret, men lösningen tog lång tid att komma på, "Nair sa." Vi vill skapa robotar som kan hjälpa människor i den här typen av scenarier för att ta bort trycket från dem att komma med innovativa lösningar och eventuellt rädda deras liv. "

    Detta arbete presenterades vid Robotics:Science and Systems -konferensen 2019 i ett dokument med titeln "Autonomous Tool Construction Using Part Shape and Attachment Prediction" (Lakshmi Nair, Nithin Shrivatsav, Zackory Erickson, Sonia Chernova).


    © Vetenskap https://sv.scienceaq.com