Роботам потрібно відчувати тертя, щоб справді зрозуміти фізичний світ
Новий клас моделей VμA ставить фізику захоплення в центр роботизованого мислення. Ось чому це важливо для кожного робота, що щось піднімає.
Ключові моменти
- Contactile, компанія, що розробляє тактильні датчики, пропонує новий клас моделей AI під назвою VμA (vision-mu-action), який подає роботам дані про тертя в реальному часі разом із зображеннями з камери.
- Сучасні моделі робототехніки пропускають ключну фізичну величину: коефіцієнт статичного тертя (му), що визначає, чи буде захоплений об'єкт ковзати або триматися.
- Датчик PapillArray від Contactile обчислює тертя та стан ковзання безпосередньо в датчику без затримки обробки в реальному часі.
- Розрив між навчанням робота в симуляції та його роботою в реальному світі переважно пов'язують з відсутністю фізики тертя в навчальних середовищах.
Робоча рука сягає в коробку, захоплює мокру пляшку і кидає її. Камера бачила пляшку. Суглоби відчували навантаження. Але жодне з них не повідомило робота про те, наскільки ковзка була поверхня. Саме цей один пропущений факт є причиною того, що маніпулятори роботів все ще дають збій у завданнях, з якими малятко впоратися без будь-яких зусиль.
Contactile, австралійська компанія з розроблення датчиків, стверджує в новій технічній статті, про яку спочатку повідомила The Robot Report, що цей розрив набагато глибший, ніж кому-небудь вдалося закрити. Проблема криється всередині моделей AI, які роботи використовують для розуміння світу.
Що таке модель світу й чому їй потрібне тертя?
Модель світу — це внутрішня картина робота фізичної реальності: програмне забезпечення, яке передбачає, що буде далі, щоб робот міг планувати. Подумайте про це як робот запитує себе: «Якщо я стискатиму трохи сильніше, чи розіб'ється це яйце?» Хороша модель світу означає, що робот не повинен запам'ятовувати кожне завдання. Він може розмірковувати над новими.
Але модель світу настільки гарна, наскільки хороша інформація, з якої вона починається. Сьогоднішні моделі переважно базуються на двох вхідних даних: зображеннях з камер і положеннях суглобів власних моторів робота. Для руху в відкритому просторі це нормально. Для захоплення та маніпулювання об'єктами — ні.
Пропущене число називається коефіцієнтом статичного тертя і позначається як му. Це фізична величина, яка визначає, чи залишиться захоплений об'єкт захопленим. Вона змінюється залежно від матеріалу, від того, чи поверхня мокра, зношена або покрита, а також від температури. Камера не може її бачити. Струми моторів не можуть її точно розрахувати. Карта тиску може підказати, що щось схоплюється, але не те, чи не буде захоп невдалим.
Без му модель світу робота міркує з неповної картини реальності. Вона може вивчити закономірності з даних навчання, але не може надійно застосувати ці уроки до нового об'єкта або змінену поверхню, оскільки одна змінна, яка керує успіхом захоплення, просто відсутня.
Датчик, який вимірює те, що не можуть бачити камери
Модуль PapillArray Tactile Compute від Contactile — це датчик розміром з пальчик, який розташовується на маніпуляторі робота. Кожна невелика точка датчика, звана таксель, вимірює силу в усіх трьох напрямках. Датчик потім обчислює му безпосередньо в реальному часі прямо в датчику без попередньої передачі даних на окремий комп'ютер.
Вихідні дані включають повну 3D силу в кожному такселі, загальну силу та крутний момент на площі контакту, поточне значення тертя, чи ковзає або тримається кожна точка, а також мінімальну силу захоплення, необхідну для запобігання падіння. Все це грунтується на фізиці контакту, а не на здогадах, вивчених машинним способом.
Contactile пропонує називати моделі, які використовують цей повний набір сигналів, VμA: vision-mu-action. Попередні поколінь моделей отримали власні назви, коли новий вхідний сигнал став достатньо важливим. Моделі Vision-language-action (VLA) додали природну мову до навчання роботів. Моделі Vision-force-action (VFA) додали силу. VμA додає справжню фізику тертя, якої не було в жодному попередньому підході.
На етапі навчання дані VμA збагачують набори даних причинно-наслідковими фізичними сигналами, а не статистичними замінниками. На етапі впровадження робот, обладнаний PapillArray, знає значення коефіцієнта тертя того, що він тримає прямо зараз, і може миттєво адаптувати свій захоп, якщо умови змінюються. Без здогадок. Без обхідних шляхів рандомізації домену.
Для галузей, де роботи маніпулюють мокрими фруктами та овочами, упакованою продукцією або матеріалами, що змінюються, правильне врахування фізики захоплення — це не академічна цікавість. Це різниця між робочим конвеєром виробництва та тим, що потребує постійної корекції людиною.
