Comment les robots apprennent à accrocher des T-shirts :le rôle crucial des données

INITIÉ AU Motion Design

Chercheuse Jasmine Li au laboratoire de soins robotiques et d'interaction humaine Carnegie Mellon. (Image :Les chercheurs)

Forte de son expérience de bénévolat dans les maisons de retraite, Jasmine Li, chercheuse à Carnegie Mellon, a décidé d'orienter ses recherches sur la robotique d'assistance qui aide les personnes dans leurs tâches quotidiennes. «J'étais intéressée par le côté de la robotique qui aide les gens qui ne sont peut-être pas aussi familiers avec la technologie», a-t-elle déclaré. "Je pensais au côté matériel de la robotique, mais j'ai fini par faire beaucoup plus avec la collecte de données et les logiciels – le côté algorithmique."

Pour son projet, elle a travaillé avec Ph.D. Zheyuan Hu, étudiant au laboratoire de soins robotiques et d'interaction humaine dirigé par le professeur adjoint Zackory Erickson.

Li a travaillé avec une configuration de bras de robot bimanuel – deux bras multiarticulés fixés sur une table – qui peut être contrôlé par un humain à distance, à l'aide d'une paire de joysticks VR, ou exploité de manière totalement autonome via un réseau neuronal. Elle a analysé les comportements des robots dans des simulations et dans des tâches réelles afin d'étudier comment les robots échouent lorsqu'ils imitent des activités humaines complexes, comme suspendre des chemises.

"Nous avons découvert que lorsqu'un humain essaie d'insérer un cintre, il effectue parfois de minuscules corrections, mais nous avions une théorie selon laquelle le robot pourrait mieux apprendre si nous corrigeions la tâche à plus grande échelle", a-t-elle déclaré. Ainsi, plutôt que d'effectuer une petite torsion ou un petit ajustement, ils ont guidé les bras robotiques pour qu'ils reviennent à leur position d'origine avant de tenter à nouveau d'accrocher la chemise avec plus de précision.

Grâce à la nouvelle méthode de collecte de données, la formation du robot est devenue plus efficace, collectant plus de données et améliorant les performances avec moins d'itérations d'enseignement humain, a déclaré Li.

L'équipe a également expérimenté cette méthode en utilisant d'autres essais qui demandaient au robot d'emballer un hamburger dans une boîte à emporter et de sceller un couvercle hermétique.

"Il est difficile de former un robot pour qu'il soit capable d'accomplir plusieurs tâches différentes, ce que nous appelons la généralisation", a déclaré Li. "Pour l'instant, la recherche en robotique se concentre sur la formation de robots pour des tâches spécifiques, mais, à terme, tous ceux qui contribueront à la recherche nous aideront à y parvenir."

Source