I robot imparano i compiti di pulizia osservando gli esseri umani

All’inizio ha fallito, mancando completamente la maniglia a volte, afferrandola nel punto sbagliato o tirandola in modo errato. Ma dopo alcune ore di pratica, il robot ci è riuscito e ha aperto la porta.

“L’imitazione è un ottimo modo per imparare”, ha detto Bahl, un dottorato di ricerca. studente presso il Robotics Institute (RI) presso la School of Computer Science della Carnegie Mellon University. “Il fatto che i robot imparino effettivamente osservando direttamente gli esseri umani rimane un problema irrisolto sul campo, ma questo lavoro compie un passo significativo per abilitare tale capacità”.

Bahl ha collaborato con Deepak Pathak e Abhinav Gupta, entrambi docenti del RI, per sviluppare un nuovo metodo di apprendimento per i robot chiamato WHIRL, abbreviazione di In-the-Wild Human Imitating Robot Learning. WHIRL è un algoritmo efficiente per l’imitazione visiva one-shot.

Può imparare direttamente dai video di interazione umana e generalizzare tali informazioni a nuove attività, rendendo i robot adatti all’apprendimento delle faccende domestiche.

Le persone svolgono costantemente vari compiti nelle loro case. Con WHIRL, un robot può osservare tali attività e raccogliere i dati video necessari per determinare eventualmente come completare il lavoro stesso.

Il team ha aggiunto una videocamera e il relativo software a un robot standard e ha imparato a svolgere più di 20 attività: dall’apertura e chiusura di elettrodomestici, ante e cassetti dell’armadio a mettere un coperchio su una pentola, spingere una sedia e persino tirando fuori un sacco della spazzatura dal cestino.

Ogni volta, il robot osservava un essere umano completare l’attività una volta e poi si esercitava e imparava a portare a termine l’attività da solo. Il team ha presentato la propria ricerca questo mese alla conferenza Robotics: Science and Systems a New York.

“Questo lavoro rappresenta un modo per portare i robot in casa”, ha affermato Pathak, assistente professore al RI e membro del team.

I metodi attuali per insegnare a un robot un compito in genere si basano sull’imitazione o sull’apprendimento per rinforzo. Nell’apprendimento per imitazione, gli esseri umani azionano manualmente un robot per insegnargli come completare un’attività. Questo processo deve essere eseguito più volte per una singola attività prima che il robot apprenda.

Nell’apprendimento per rinforzo, il robot viene in genere addestrato su milioni di esempi di simulazione e quindi gli viene chiesto di adottare tale formazione nel mondo reale.

Entrambi i modelli di apprendimento funzionano bene quando insegnano a un robot una singola attività in un ambiente strutturato, ma sono difficili da scalare e distribuire. WHIRL può imparare da qualsiasi video di un essere umano che svolge un’attività. È facilmente scalabile, non limitato a un’attività specifica e può funzionare in ambienti domestici reali.