В Toyota Research Institute научили роботов более эффективно работать в домашних условиях за счет распознавания прозрачных и отражающих поверхностей
Подразделение Toyota Research Institute (TRI) представило новые возможности робототехники, направленные на решение сложных задач в домашних условиях. В частности, робототехники TRI смогли обучить роботов понимать и действовать в сложных ситуациях, которые сбивают с толку большинство других роботов, включая распознавание прозрачных и отражающих поверхностей и реагирование на них в различных обстоятельствах.
В демонстрационном видео TRI показано, что разработанная система позволяет роботам делать обобщения в различных сценариях, в том числе в разных домах. Видео было выпущено в Национальный день селфи и в ироничной форме обыгрывает этот праздник - видно, как робот снимает себя по мере демонстрации своих навыков.
«Наша цель - создать роботизированные возможности, которые расширяют, а не заменяют человеческие способности», - сказал вице-президент по робототехнике в TRI Макс Баджрачарья. «Обучение роботов тому, как работать в домашних условиях, создает особые проблемы из-за разнообразия и сложности наших домов, где небольшие задачи могут стать серьезными».
В то время как человек может легко отличить объект от его отражения, прозрачные или светоотражающие предметы, которые обычно встречаются в доме, эти же задачи сбивают с толку современных роботов. Поскольку большинство роботов запрограммированы так, чтобы реагировать на объекты и геометрические формы перед ними без учета контекста ситуации, их легко обмануть стеклянным столом, блестящим тостером или прозрачной чашкой.
«Чтобы преодолеть это, робототехники TRI разработали новый метод обучения, позволяющий воспринимать трехмерную геометрию сцены, а также обнаруживать объекты и поверхности», - продолжил Баджрачарья. «Эта комбинация позволяет исследователям использовать большие объемы синтетических данных для обучения системы».
Использование синтетических данных также снижает потребность в трудоемких, дорогостоящих или непрактичных процессах сбора и маркировки данных.
Хотя ни одна система не является идеальной, этот анонс расширяет базу знаний, что в итоге помогает роботам надежно перемещаться и работать в домашних условиях. Это техническое достижение позволяет роботу быстро учиться на «программируемых данных» - синтетических данных, которые можно воссоздавать. Также роботы смогут извлекать уроки из прошлых сбоев. Таким образом, прогресс, достигнутый TRI является многообещающей вехой для самого подразделения и робототехников во всем мире.
