Роботи вчаться готувати. Нова технологія дозволяє машинам нарізати та чистити овочі будь-якої форми

Дослідники зі Швейцарського федерального технологічного інституту в Лозанні ( EPFL) спільно з Науково-дослідним інститутом Idiap представили метод, який дозволяє роботам обробляти об'єкти неправильної та вигнутої форми з безпрецедентною точністю. Нова система вирішує одну з найскладніших проблем сучасної робототехніки — здатність машин адаптуватися до предметів, геометрія яких постійно змінюється, подібно до того, як це робить людина. Традиційні підходи до автоматизації часто зазнають невдачі, коли стикаються з нерівними поверхнями або неповними даними з датчиків. Натомість швейцарська розробка базується на створенні динамічної карти об'єкта у вигляді «хмари точок». Система визначає ключові опорні точки на поверхні, формуючи безперервне поле орієнтації. Це дозволяє роботу сприймати завдання — наприклад, нарізання чи очищення — як універсальну дію, незалежну від конкретного розміру чи форми предмета. Під час експериментальних випробувань робот, оснащений системою машинного зору, датчиками глибини та зворотним зв’язком по зусиллю, продемонстрував вражаючі результати. Машина успішно переносила отримані навички на різні продукти: від вигнутих бананів до нерівних бульб солодкої картоплі. Роботизований маніпулятор виконував складні контактні операції, зокрема зондування поверхні та точну нарізку, використовуючи одні й ті самі алгоритми дій для абсолютно різних об'єктів. Особливістю методу є використання принципів дискретної диференціальної геометрії та рівняння дифузії тепла. Це дозволяє поширювати інформацію про геометрію по всій поверхні об'єкта навіть за наявності «шумів» або захаращеного середовища навколо. Використання методів Монте-Карло забезпечує швидкі обчислення без необхідності створення складних тривимірних сіток, що дозволяє системі реагувати на зміни в режимі реального часу. Результати тестування на 50 випадково деформованих об'єктах показали, що цей підхід забезпечує набагато стабільніші траекторії рухів порівняно з класичними методами навчання. Система легко інтегрується з дистанційним керуванням та алгоритмами навчання з підкріпленням, не потребуючи тривалого перенавчання для кожного нового завдання. Такий прогрес у адаптивній маніпуляції відкриває шлях до широкого використання роботів у харчовій промисловості, медицині та домашньому господарстві, де умови роботи постійно змінюються. Якщо ви знайшли помилку в тексті, виділіть її мишкою і натисніть Ctrl + Enter