Roboty antropomorficzne: Podnoszenie się robotów sterowanych sztuczną inteligencją

IA dla manipulacji i lokomocji robotów humanoidnych oraz świadomej interakcji z ludźmi

Pole robotyki humanoidnej szybko rozwija się dzięki integracji Inteligencji Artystycznej (IA). Ta dziedzina badawcza skupia się na tworzeniu robotów, które nie tylko przypominają ludzi, ale również wykazują zaawansowane ruchy, dexterne umiejętności manipulacyjne i, najważniejsze, zrozumienie środowiska oraz interakcji z ludźmi.

Algorytmy AI – w tym uczenie przez potwierdzenia, wizja komputerowa i przetwarzanie języka naturalnego – są kluczowe dla osiągnięcia tego celu. Badacze rozwijają systemy AI umożliwiające robotom naukę złożonych wzorców lokomocji, chwyty i manipulacji obiektami z precyzją podobną do ludzkiej, a najważniejsze – prowadzenie intuicyjnej, świadomej interakcji z ludźmi. To obejmuje rozpoznawanie gestów, odpowiednie reagowanie oraz dostosowywanie zachowania na podstawie wskazówek kontekstowych. W końcu cel polega na budowaniu robotów prawdziwie kolaboracyjnych, które bezproblemowo integrują się do naszego codziennego życia.

Tradycyjne lokomocje robocze w dużej mierze opierały się na programowaniu

**Dexterowość poprzez naukę**: Manipulacja humanoidów opiera się na postępach w uczeniu ze zwrotem (RL). Robocie, takie jak dłoń robocza firmy Shadow Robot Company „Shadow X”, wyposażona jest w dexterowe dłonie zdolne do wykonywania skomplikowanych zadań, takich jak chwytywanie obiektów o różnych kształtach i rozmiarach, manipulowanie narzędziami, a nawet montaż prostych produktów. Algorytmy RL pozwalają tym robocjom na naukę poprzez próbę i błąd – powtarzanie różnych zgrabień i ruchów aż do osiągnięcia przemyślnego wyniku. Ostatnia praca opublikowana w *Science Robotics* pokazuje ten podkład.

Wizja komputerowa: widzenie podobne do ludzkiego (praktycznie)

Interakcja świadoma ludzi wymaga zrozumienia otoczenia robota – rozpoznawania obiektów, ludzi i gestów. Wizja komputerowa stała się kluczowym elementem tego podejścia.

Modely uczenia się głębokiego, szczególnie Sieci Neuronowych Konwolucyjnych (CNN), są teraz niezwykle dobre w rozpoznawaniu obrazów. Na przykład, robot Honda ASIMO wykorzystuje wizję komputerową do rozpoznawania osób w pokoju, śledzenia ich ruchów i odpowiedniego reagowania – oferując uścisk dłoni lub pomagając w zadaniach na podstawie percepowanych potrzeb.

Często zadawane pytania