Обучение роботов принимать решения на лету

При развертывании лицо, принимающее решения, использует обученную модель и адаптирует ее к данным, полученным в Интернете. Предоставлено: Департамент аэрокосмической техники Университета Иллинойса*

Исследователи из отделов аэрокосмической техники и компьютерных наук в Университете Иллинойса в Урбана-Шампейн разработали новый метод, основанный на обучении, чтобы роботы на внеземных телах могли самостоятельно принимать решения о том, где и как собирать образцы местности.

«Вместо того, чтобы моделировать, как черпать все возможные типы камней или гранулированных материалов, мы создали новый способ для автономных посадочных аппаратов научиться быстро зачерпывать новый материал, с которым они сталкиваются», — сказал Пранай Тангида, аспирант кафедры аэрокосмической техники.

Используя этот метод, робот может научиться черпать новый материал с очень небольшим количеством попыток. «Если он сделает несколько неудачных попыток, он узнает, что ему не следует черпать в этой области, и он попытается где-то еще».

Для некоторых испытаний команда прятала материал под слоем чего-то другого. Робот видит только верхний материал и думает, что было бы неплохо зачерпнуть. «Когда он на самом деле зачерпывает и ударяется о нижний слой, он узнает, что его нельзя зачерпнуть, и перемещается в другую область», — сказал Тангеда.

Из этих 12 материалов и ландшафтов, выполненных из уникальной композиции одного или нескольких материалов, была создана база данных из 6 700 материалов. Предоставлено: Департамент аэрокосмической техники Университета Иллинойса

НАСА хочет отправить на Европу марсоходы с батарейным питанием, а не ядерные, потому что, помимо других соображений, связанных с конкретной миссией, крайне важно свести к минимуму риск загрязнения океанских миров потенциально опасными материалами.

«Хотя срок службы ядерных источников энергии составляет несколько месяцев, срок службы батарей составляет около 20 дней. Мы не можем позволить себе тратить несколько часов в день на отправку сообщений туда и обратно. Это еще одна причина, по которой автономия робота для самостоятельного принятия решений жизненно важна», — сказал Тангеда.

Этот метод обучения обучению также уникален, потому что он позволяет роботу использовать зрение и очень небольшой опыт работы в режиме онлайн для достижения высококачественных действий по черпанию на незнакомой местности, что значительно превосходит неадаптивные методы и другие современные методы метаобучения.

Команда использовала робота на факультете компьютерных наук в Иллинойсе. Он смоделирован по образцу посадочного модуля с датчиками для сбора данных о зачерпывании различных материалов, от 1-миллиметровых песчинок до 8-сантиметровых камней, а также материалов разного объема, таких как измельченный картон и упаковочный арахис. Результирующая база данных в симуляции содержит 100 точек знаний для каждой из 67 различных местностей, или 6 700 общих точек.

«Насколько нам известно, мы первые, кто открыл исходный код крупномасштабного набора данных на гранулированных носителях», — сказал Тангеда. «Мы также предоставили код для легкого доступа к набору данных, чтобы другие могли начать использовать его в своих приложениях».

Модель, созданная командой, будет развернута на испытательном стенде Ocean World Lander Autonomy Лаборатории реактивного движения НАСА.

«Мы заинтересованы в развитии автономных роботизированных возможностей на внеземных поверхностях и, в частности, на сложных внеземных поверхностях», — сказал Орник. «Этот уникальный метод поможет информировать НАСА о постоянном интересе к исследованию океанских миров».

Подробнее: Yifan Zhu et al, Few-shot Adaptation for Manipulating Granular Materials Under Domain Shift, Robotics: Science and Systems XIX (2023) DOI: 10.15607/RSS.2023.XIX.048 🔗