AI laat robot taken leren door mensen te observeren

Een nieuwe vorm van kunstmatige intelligentie (AI) stelt robots in staat taken op een veel menselijke manier uit te voeren. Kenmerkend hierbij is dat robots net als de mens taken opverdelen in tussendoelen. De AI is ontwikkeld door onderzoekers van de Zweedse Chalmers University of Technology. De AI vergroot de flexibiliteit van robots aanzienlijk en laat hen nauw samenwerken met mensen.

Mensen werken allemaal op een eigen unieke manier; verschillende mensen lossen hetzelfde probleem op andere manieren op. “Een belangrijk onderdeel van robotontwikkeling is daarom robots laten samenwerken met mensen in dynamische omgevingen”, zegt Maximilian Diehl, doctoraalstudent Elektrotechniek bij de Chalmers University of Technology en hoofdonderzoeker binnen het project.

Manier waarop we taken uitvoeren varieert

De manier waarop mensen eenvoudige taken uitvoeren – denk aan het dekken van een tafel – is onder meer afhankelijk van de omstandigheden. Staat bijvoorbeeld een stoel in de weg? Dan schuiven we deze aan, verplaatsen we de stoel of lopen we er omheen. Ook gebruiken we zowel onze linker- als rechterhand, nemen pauzes tijdens het uitvoeren van taken en voeren ongeplande taken uit.

Robots werken echter heel anders. Zij zijn nauwkeurig geprogrammeerd en voeren concrete instructies uit. Deze aanpak maakt hen zeer efficiënt in omgeving waar continu vaste patronen kunnen worden gevolgd, zoals fabrieksomgevingen. Voor interactie met mensen in dynamische omgevingen zoals de zorg of een winkel, moeten robots echter veel flexibeler kunnen opereren.

“In de toekomst voorzien we robots die ondersteunen bij basale huishoudelijke activiteiten, zoals het dekken of afruimen van een tafel, plaatsen van vuile vaat in de gootsteen of het opruimen van de boodschappen”, zegt Karinne Ramirez-Amaro, assistent-hoogleraar Elektrotechniek bij de Chalmers University of Technology.

Taken op een menselijkere manier uitvoeren

In het onderzoek zocht het team daarom naar een methode waarmee robots taken leren uitvoeren op een meer menselijke manier. De robot observeert hierbij de handelingen die een mens uitvoert. De onderzoekers zetten vervolgens een zogeheten ‘explainable AI’ in. Deze verzamelt generieke informatie over de uitgevoerde handelingen. Dit in plaats van de specifieke informatie die veel andere AI’s op dit vlak verzamelen. Deze generieke informatie gebruikt de AI voor het creëren van een flexibel en aanpasbaar pad naar een langetermijndoel. Explainable AI is een term die verwijst naar een vorm van AI waarbij mensen begrijpen hoe de AI tot een bepaald besluit of resultaat is gekomen.

Voor het onderzoek zijn meerdere personen gevraagd dezelfde taak uit te voeren. Deze bestond uit het stapelen van een reeks kubussen. Deze taak voerden deelnemers twaalf keer uit in een Virtual Reality (VR)-omgeving. De bewegingen van de deelnemers zijn vastgelegd met behulp van een reeks lasersensoren.

Tussendoelen

“Indien wij mensen een taak hebben, verdelen we deze in een keten van kleinere tussendoelen. En iedere actie die we uitvoeren is gericht op het uitvoeren van een tussendoel. In plaats van een robot het gedrag van mensen exact te laten kopiëren, hebben we ons gericht op het identificeren van de doelen, waarbij we alle acties die mensen in het onderzoek uitvoerden bekeken”, zegt Ramirez-Amaro.

Bij de methode legt de AI de focus op het in kaart brengen van tussendoelen. En bouwt het bibliotheken op met verschillende acties voor ieder tussendoel. Vervolgens creëert de AI een planning, die gebruikt kan worden door een TIAGo robot. Dit is een mobiele servicerobot ontworpen voor binnenomgevingen. Met de hulp van deze tool kon de robot zelfstandig een plan creëren voor het stapelen van kubussen. Ook indien de omstandigheden waarin deze taak moet worden uitgevoerd verandert.

Eerste resultaten zijn succesvol

Tijdens de proef is de omgeving waarin de robot opereert telkens een beetje aangepast. De robot kon zelf continu de juiste combinatie van de verschillende mogelijkheden handelingen kiezen en deze in de juiste volgorde plaatsen om de taak uit te voeren. De onderzoekers noemen de resultaten ‘extreem succesvol’.

“Met onze AI kon de robot plannen maken met een succesratio van 92% na slechts één menselijke demonstratie. Indien informatie van alle twaalf demonstraties, werd een succesratio van 100% bereikt”, aldus Diehl. In de volgende fase van het project is gericht op de communicatie van robots met mensen. Robots moeten zo kunnen delen wat misging tijdens het uitvoeren van een taak en waarom dit het geval is.

Toepassingen in industrie en zorg

De onderzoekers hopen dat de robots onder meer in de industrie kunnen worden ingezet voor het uitvoeren van lichamelijk belastende taken. Denk hierbij aan het aandraaien van moeren van vrachtwagenwielen. De onderzoekers voorzien echter ook toepassingen in de zorg. Onder meer als het gaat om het rondbrengen en verzamelen van medicatie en eten. “We willen het werk van zorgprofessionals eenvoudiger maken zodat zij zich kunnen richten op taken die meer aandacht vragen”, licht Ramirez-Amaro toe.

“Het kan nog enkele jaren duren voordat we daadwerkelijk autonome, breed-inzetbare robots zien. Vooral aangezien veel individuele uitdagingen nog moeten worden geadresseerd, zoals computer vision, control en veilige interacties met mensen. We denken echter dat onze aanpak bijdraagt aan het versnellen van het leerproces van robots. Wat robots in staat stelt met al deze aspecten te verbinden en deze toe te passen in nieuwe situaties”, meldt Diehl.

Auteur: Wouter Hoeffnagel
Foto: Gordon Johnson via Pixabay