Een nieuw raamwerk maakt het mogelijk vaardigheden die door een mens zijn gedemonstreerd, om te zetten in algemene bewegingstrategieën die verschillende robots kunnen uitvoeren op basis van hun fysieke ontwerp. Hierdoor hoeven taken niet meer voor elke robot apart geprogrammeerd te worden, wat de systemen duurzamer en kostenefficiënter maakt.
Het gaat om Kinematic Intelligence, een framework dat is ontwikkeld door onderzoekers verbonden aan het Learning Algorithms and Systems Laboratory (LASA) van de Zwitserse École Polytechnique Fédérale de Lausanne (EPFL). Het kader lost volgens Aude Billard, hoofd van LASA, een belangrijke uitdaging in de robotica op. Billard: “Hoe kun je een geleerde vaardigheid overbrengen naar robots met verschillende mechanische structuren, terwijl je veilig en voorspelbaar gedrag garandeert? Deze benadering zou de tijd en expertise die nodig zijn om robots in te zetten in echte omgevingen aanzienlijk kunnen verkorten.”
Demonstraties vastleggen
EPFL ontwikkelde het kader door met behulp van motion-capturetechnologie taken vast te leggen die door mensen zijn gedemonstreerd, zoals plaatsen, duwen en gooien. Deze opnames zijn vervolgens omgezet in algemene bewegingstrategieën.
Ook ontwikkelden de onderzoekers een systematische classificatie van de fysieke beperkingen van verschillende robotontwerpen. Denk daarbij aan de bewegingsruimte van gewrichten en posities die vermeden moeten worden om stabiliteit te behouden. Het kader past deze algemene strategieën vervolgens automatisch aan om verschillende robots binnen hun specifieke mechanische grenzen taken veilig te laten uitvoeren.
Succesvol getest
Het systeem is met succes getest. Tijdens een experiment op een productielijn demonstreerde een mens een taak door een houten blok van een transportband naar een werkbank te duwen, het op een tafel te plaatsen en ten slotte in een mand te gooien. Met behulp van Kinematic Intelligence wisten drie verschillende commerciële robots vervolgens dezelfde reeks taken betrouwbaar uit te voeren.
“Elke robot voerde verschillende stappen van de taak uit, en het systeem functioneerde succesvol, zelfs toen de verdeling van de stappen werd gewijzigd”, legt Sthithpragya Gupta, promovendus aan LASA en een van de auteurs van het onderzoek, uit. “Elke robot interpreteert dezelfde vaardigheid op zijn eigen manier, maar altijd binnen veilige en haalbare grenzen.”
Uitbreiden naar meer toepassingen
De onderzoekers streven ernaar het kader uit te breiden naar toepassingen zoals mens-robot-samenwerking en interactie op basis van natuurlijke taal. Kinematic Intelligence zou het bijvoorbeeld mogelijk maken dat een persoon een robot thuis eenvoudige opdrachten geeft zonder technische programmeerkennis.
De aanpak is ook interessant met het oog op de snelle ontwikkeling van robotsplatforms. Door de snelle evolutie van hardware worden robots relatief snel vervangen. Dankzij Kinematic Intelligence kunnen machines taken snel en betrouwbaar worden aangeleerd aan nieuwe robots, zonder dat dit een grote tijdsinvestering vereist. Dit vereenvoudigt de overstap op nieuwe robotplatforms.
Durgesh Haribhau Salunkhe, wetenschapper bij LASA en een van de auteurs: “Ons doel is om de behoefte aan technische expertise weg te nemen, terwijl we toch veilige en betrouwbare werking garanderen. De gebruiker brengt het idee en het gewenste gedrag, en de robot zou voor de rest moeten zorgen.”
De resultaten zijn gepubliceerd in Science Robotics.
