Roboti rješavaju probleme manipulacije u sekundama

Budući da ljudi posjeduju snažne vizualne i geometrijske sposobnosti rasuđivanja, planiranje akcija manipuliranja raznim predmetima i objektima nam dolazi samo po sebi.

No za robota je to iznimno složen izazov planiranja koji zahtijeva istovremeno razmišljanje o mnogim radnjama, ograničenjima i mehaničkim mogućnostima. Pronalaženje učinkovitog rješenja moglo bi robotu oduzeti jako puno vremena, ako ga uopće može smisliti.

Istraživači s MIT-a i NVIDIA Researcha razvili su novi algoritam koji dramatično ubrzava proces planiranja robota. Njihov pristup omogućuje robotu da "razmišlja unaprijed" paralelnom procjenom tisuća mogućih rješenja, a zatim usavršavanjem najboljih kako bi se zadovoljila ograničenja robota i njegovog okruženja.

Umjesto testiranja svake potencijalne akcije jednu po jednu, kao što to čine mnogi postojeći pristupi, ova nova metoda uzima u obzir tisuće akcija istovremeno, rješavajući probleme višekoračne manipulacije u nekoliko sekundi.

Istraživači iskorištavaju ogromnu računalnu snagu specijaliziranih Nvidijinih GPU procesora kako bi omogućili ovo ubrzanje.

U tvornici ili skladištu, njihova tehnika mogla bi omogućiti robotima da brzo odrede kako manipulirati i čvrsto pakirati predmete različitih oblika i veličina bez oštećenja, prevrtanja ili sudaranja s preprekama, čak i u uskom prostoru.

"Ovo bi bilo vrlo korisno u industrijskim okruženjima gdje je vrijeme zaista važno i gdje trebate pronaći učinkovito rješenje što je brže moguće. Ako vašem algoritmu trebaju minute da pronađe plan, za razliku od sekundi, to košta tvrtku novca", kaže William Shen, diplomirani student MIT-a, glavni autor znanstvenog rada o ovoj tehnici.

Algoritam istraživača dizajniran je za ono što se naziva planiranje zadataka i kretanja (TAMP). Cilj TAMP algoritma je osmisliti plan zadatka za robota, koji je niz radnji visoke razine, zajedno s planom kretanja koji uključuje parametre radnji niske razine, poput položaja zglobova i orijentacije hvataljke, koji upotpunjuju taj plan visoke razine.

Kako bi stvorio plan za pakiranje predmeta u kutiju, robot mora razmotriti mnoge varijable, kao što je konačna orijentacija pakiranih predmeta kako bi se spojili, kao i kako će ih podići i manipulirati njima pomoću svoje ruke i hvataljke.

To mora učiniti dok određuje kako izbjeći sudare i postići sva korisnički određena ograničenja, poput određenog redoslijeda pakiranja stavki.

S toliko potencijalnih nizova radnji, nasumično uzorkovanje mogućih rješenja i isprobavanje jednog po jednog moglo bi potrajati izuzetno dugo.

"To je vrlo velik prostor pretraživanja i mnoge radnje koje robot poduzima u tom prostoru zapravo ne postižu ništa produktivno", dodaju znastvenici. 

Umjesto toga, algoritam istraživača, nazvan cuTAMP, koji se ubrzava korištenjem paralelne računalne platforme CUDA, simulira i usavršava tisuće rješenja paralelno. To čini kombiniranjem dviju tehnika, uzorkovanja i optimizacije.

Uzorkovanje uključuje odabir rješenja za isprobavanje. No, umjesto nasumičnog uzorkovanja rješenja, cuTAMP ograničava raspon potencijalnih rješenja na ona koja najvjerojatnije zadovoljavaju ograničenja problema. Ovaj modificirani postupak uzorkovanja omogućuje cuTAMP-u da široko istraži potencijalna rješenja, a istovremeno suzi prostor uzorkovanja.

"Nakon što kombiniramo rezultate ovih uzoraka, dobivamo puno bolju početnu točku nego da smo uzorkovali nasumično. To osigurava da možemo brže pronaći rješenja tijekom optimizacije", kaže Shen.

Nakon što cuTAMP generira taj skup uzoraka, provodi paralelni postupak optimizacije koji odgovara tome koliko dobro svaki uzorak izbjegava sudare i zadovoljava ograničenja kretanja robota, kao i sve korisnički definirane ciljeve.

Paralelno ažurira uzorke, odabire najbolje kandidate i ponavlja postupak sve dok ih ne suzi na uspješno rješenje.

Istraživači koriste GPU-ove koji su daleko snažniji za paralelno računanje i opterećenja od CPU-ova, kako bi povećali broj rješenja koja mogu istovremeno uzorkovati i optimizirati. To je maksimiziralo performanse njihovog algoritma.

"Korištenjem GPU-ova, računalni trošak optimizacije jednog rješenja isti je kao i optimizacija stotina ili tisuća rješenja", objašnjava Shen.

Kada su testirali svoj pristup na izazovima pakiranja sličnim Tetrisu u simulaciji, cuTAMP-u je trebalo samo nekoliko sekundi da pronađe uspješne planove bez kolizija za čije rješavanje bi sekvencijalnim pristupima planiranju moglo biti potrebno puno više vremena.

A kada je postavljen na pravu robotsku ruku, algoritam je uvijek pronalazio rješenje za manje od 30 sekundi.

Sustav radi na više robota i testiran je na robotskoj ruci na MIT-u i humanoidnom robotu u Nvidiji. Budući da cuTAMP nije algoritam strojnog učenja, ne zahtijeva podatke za obuku, što bi omogućilo njegovu jednostavnu primjenu u mnogim situacijama.

U budućnosti, istraživači žele iskoristiti velike jezične modele i modele vizualnog jezika unutar cuTAMP-a, omogućujući robotu da formulira i izvrši plan kojim se postižu određeni ciljevi na temelju glasovnih naredbi korisnika.