Bài viết sưu tầm

Các nhà nghiên cứu đã phát triển một kỹ thuật cho phép robot học một nhiệm vụ chọn và đặt mới chỉ với một số ít cử động tay  của con người. Điều này cho phép lập trình lại robot để nắm bắt các vật thể chưa từng thấy trước đây, được trình bày ở các tư thế ngẫu nhiên, trong khoảng 15 phút.

Kỹ thuật này sử dụng một mạng nơ-ron được thiết kế đặc biệt để tái tạo lại hình dạng của các đối tượng 3D. Chỉ với một vài thao tác trình diễn, hệ thống mạng nơ-ron đã học về hình học 3D để nắm bắt các đối tượng mới tương tự như các đối tượng trong bản trình diễn. Trong các mô phỏng một cánh tay robot thực được sử dụng, hệ thống có thể điều khiển hiệu quả những chiếc cốc, bát và chai chưa từng thấy trước đây, được sắp xếp theo các tư thế ngẫu nhiên,  và chỉ sử dụng 10 lần trình diễn để dạy robot.

Các nhà nghiên cứu đã tạo ra một loại mạng nơ-ron mới (Neural Descriptor Field -NDF) để học dạng hình học 3D của mỗi loại mục. Mô hình tính toán biểu diễn hình học cho một mục cụ thể bằng cách sử dụng đám mây điểm 3D, là một tập hợp các điểm dữ liệu hoặc tọa độ trong ba chiều. Các điểm dữ liệu có thể được lấy từ máy ảnh độ sâu cung cấp thông tin về khoảng cách giữa đối tượng và điểm quan sát. Mặc dù mạng được đào tạo về mô phỏng trên một tập dữ liệu lớn về các hình dạng 3D tổng hợp, nhưng nó có thể được áp dụng trực tiếp cho các đối tượng trong thế giới thực.

Nhóm đã thiết kế NDF với một thuộc tính được gọi là tương đương. Với thuộc tính này, nếu mô hình được hiển thị hình ảnh của một cái cốc thẳng đứng, và sau đó hiển thị hình ảnh của cùng một cái cốc ở mặt bên của nó, nó sẽ hiểu rằng cái cốc thứ hai là cùng một đối tượng được xoay đi.

Khi NDF học cách tái tạo lại hình dạng của các đối tượng tương tự, nó cũng học cách liên kết các bộ phận liên quan của các đối tượng đó. Ví dụ, nó biết rằng tay cầm của các cốc là tương tự nhau, ngay cả khi một số cốc cao hơn hoặc rộng hơn những cốc khác, hoặc có tay cầm nhỏ hơn hoặc dài hơn.

Các nhà nghiên cứu sử dụng mô hình NDF được đào tạo này để dạy cho robot một kỹ năng mới chỉ với một vài ví dụ vật lý. Họ di chuyển bàn tay của robot lên bộ phận của vật thể mà họ muốn nó cầm nắm, như vành bát hoặc tay cầm của cốc và ghi lại vị trí của các đầu ngón tay. Bởi vì NDF đã học rất nhiều về hình học 3D và cách tái tạo lại các hình dạng, nó có thể suy ra cấu trúc của một hình dạng mới, cho phép hệ thống chuyển các hình ảnh minh họa sang các vật thể mới ở các tư thế tùy ý

Các thử nghiệm mô hình trên một cánh tay robot thực sự bằng cách sử dụng cốc, bát và chai làm đồ vật. Phương pháp của họ có tỷ lệ thành công 85% đối với các nhiệm vụ chọn và đặt với các đối tượng mới theo hướng mới. Thành công có nghĩa là nắm được một đối tượng mới và đặt nó vào vị trí mục tiêu, giống như treo cốc trên giá.