Deze robots leerden tennis en boksen nadat ze naar mensen hadden gekeken

by

Als grote, tweevoetige robots in Boston Dynamics-stijl ooit mensen op de werkplek zullen vervangen, zouden ze dat misschien kunnen doen nadat ze zijn getraind door hun voorgangers van vlees en bloed. In een nieuw artikel leggen Stanford-onderzoekers uit hoe ze een mensachtig uitziende robot van 1,80 meter, uitgerust met een enkele RGB-camera, leerden piano spelen, tennissen en zelfs leren boksen door simpelweg menselijke bewegingen te imiteren of te ‘schaduwen’. De nieuwe leermethode zou de trainingstijd kunnen helpen versnellen en de kosten kunnen verlagen die gepaard gaan met de toekomstige ontwikkeling van humanoïde robots. Dat zou nuttig kunnen zijn, vooral omdat bedrijven als Figure en Tesla zich haasten om robots met twee pedalen op de markt te brengen die fabrieks- en huishoudelijke taken kunnen uitvoeren.

Hoe verschillen deze robotimitaties?

Humanoïde robots bestaan ​​al tientallen jaren in een of andere vorm, maar hebben vaak moeite om dezelfde vloeiende bewegingen na te bootsen die veel mensen van nature leren. Het trainen van robots om bewegingen uit te voeren die voor mensen relatief eenvoudig lijken, omvat grote hoeveelheden vaak complexe en veelzijdige menselijke bewegingsgegevens. In het verleden hebben robotica-onderzoekers geprobeerd verschillende elementen van die gegevens te ontwarren – zoals gegevens gerelateerd aan visuele perceptie of arm- en beencontrole – maar de onderzoekers zeggen dat deze aanpak tijdrovend is en niet geschikt voor opschaling.

Stanford-onderzoekers kozen voor een andere aanpak. Eerst gebruikten ze het versterkte AI-model om een ​​speciaal ontworpen robot, genaamd “HumanPlus”, te trainen op 40 uur aan verschillende menselijke bewegingsgegevens. Ze zouden dan de basislessen kunnen nemen die ze hebben geleerd door robots op die gegevens te trainen in een simulatieomgeving en deze vervolgens op de fysieke wereld kunnen toepassen. Gewapend met die kennis en een webcam aan zijn hoofd, kon de robot de lichaams- en handbewegingen van een menselijke operator ‘volgen’ en deze uiteindelijk nabootsen. Dit proces, ‘schaduwen’ genoemd, resulteerde in mensachtige robots die menselijke bewegingen op een meer natuurlijke manier repliceerden.

“Door mensen te imiteren kunnen mensachtigen potentieel profiteren van het rijke repertoire aan vaardigheden en bewegingen dat mensen vertonen, wat een veelbelovend pad biedt naar het bereiken van algemene robotintelligentie”, schrijven de auteurs.

De verschillende taken en bewegingen die de robot moest nabootsen, vonden plaats binnen het bereik van menselijke bewegingen. In één voorbeeld kreeg de robot de taak een schoen aan te trekken en te lopen, wat zowel de handvaardigheid als de algehele voortbeweging op de proef stelde. Andere taken, zoals tafeltennissen of het leren slaan van een krachtige lefty, leggen ondertussen meer nadruk op visuele perceptie en timing. Een andere activiteit, waarbij de robot een toetsenbord gebruikte om de codezin “Hallo woord” te typen, liet nauwkeurigere vingerbewegingen zien. Eenmaal volledig getraind beweren de onderzoekers dat HumanPlus 60-100% van de tijd succesvol was in beweging, afhankelijk van de taak.

Fysiek gezien is HumanPlus een monster van Frakenstein met verschillende robotonderdelen. De onderzoekers gebruikten een Unitree Robotics H1-robot als basislichaam, maar bevestigden vervolgens mechanische armen en gewrichten van Inspire-Robots en Robotis. Een eenvoudige Razer-webcam die aan de ogen van de robot was bevestigd, diende als de belangrijkste manier om de wereld om hem heen te zien. Al met al bedroeg de uiteindelijke prijs van de robot ongeveer $ 107.945. Iedereen met toegang tot zo’n test kan leren zijn eigen HumanPlus-robot te bouwen door de instructies te volgen die de onderzoekers op deze GitHub-repository hebben geplaatst.

Het leren van mimicry zou commerciële robots beter aanpasbaar kunnen maken

Het onderzoek naar vloeiendere trainingsmethoden komt te midden van een golf van commerciële belangstelling voor humanoïde robots. Figure en Agility Robots, twee toonaangevende namen in de sector, zijn al begonnen met het testen van hun producten in productiefaciliteiten in de automobiel- en logistieke sector. Tesla, wiens robot Optimus is geëvolueerd van een man in een pak tot een echte machine die ballen kan aaien, stelt zich een realiteit voor waarin deze lopende, pratende robots op een dag de afwas zullen doen en andere huishoudelijke taken zullen uitvoeren. Hoewel deze beweging nog (zeer) in opkomst is, zou deze kunnen resulteren in een aanzienlijke industrie van humanoïde robots. Een rapport van Goldman Sachs uit 2022 voorspelt dat de wereldmarkt voor humanoïde robots in 2035 $154 miljard zou kunnen bereiken.

Het is niet moeilijk voor te stellen hoe een robot die door middel van nabootsing kan leren, nuttig zou kunnen zijn in deze commerciële omgevingen. Net zoals nieuwe menselijke werknemers tijdens hun werk worden opgeleid, kunnen managers of getrainde robotoperators humanoïde robots leren hoe ze specifieke taken moeten uitvoeren die specifiek zijn voor een bepaalde bedrijfstak. En in tegenstelling tot andere voorgeprogrammeerde robots zouden deze wendbaardere machines op dezelfde manier kunnen worden bijgewerkt om nieuwe taken te overschaduwen. Deze meer organische benadering van bewegingsleren zou mogelijk ook de functionaliteit kunnen vergroten van het groeiende segment van op toegankelijkheid gerichte robots die tot doel hebben de levens van mensen met een handicap te verbeteren.