Les robots apprennent les traits d'objet en tremblant

Des chercheurs du MIT, d'Amazon Robotics et de l'Université de la Colombie-Britannique ont développé une méthode qui permet aux robots de se renseigner sur le poids, la douceur ou le contenu d'un objet en le tremblant doucement.Les robots peuvent utiliser des capteurs internes pour déterminer la masse d'un objet en quelques secondes, sans nécessiter de caméras ou d'outils externes.Cette technique à faible coût est bénéfique dans les environnements où les caméras peuvent ne pas fonctionner, comme dans les espaces sombres ou pendant la reprise après sinistre.

Un élément clé de la méthode est un processus de simulation qui modélise à la fois le robot et l'objet, permettant au robot d'identifier rapidement les caractéristiques de l'objet pendant l'interaction.La technique est aussi efficace que des méthodes de vision par ordinateur plus coûteuses.Il est suffisamment robuste pour gérer une variété de scénarios invisibles, ce qui en fait une solution polyvalente pour diverses applications robotiques.


Signaux de détection
La méthode des chercheurs utilise la proprioception, qui est la capacité de sentir le mouvement ou la position, similaire à la façon dont les humains ressentent le poids d'un haltère.Un robot peut détecter la lourdeur d'un objet à travers ses articulations de bras.Au fur et à mesure que le robot soulève un objet, il recueille des données de ses encodeurs conjoints, qui mesurent la position et la vitesse de ses joints, ce qui rend la méthode rentable sans avoir besoin de capteurs supplémentaires comme les trackers Touch ou Vision.Le système utilise deux modèles pour le mouvement du robot et le comportement de l'objet.En suivant les mouvements du robot et en utilisant les données conjointes, l'algorithme détermine les propriétés de l'objet, comme la façon dont un objet plus lourd se déplace plus lentement qu'un plus léger sous la même force.

Simulations différenciables
La technique utilise une simulation différente pour prédire comment les changements dans les propriétés d'un objet, tels que la masse ou la douceur, affectent la position articulaire finale du robot.Les chercheurs espèrent combiner cette technique avec une vision par ordinateur pour un système multimodal plus puissant.Ils visent également à l'appliquer à des systèmes robotiques plus complexes, comme les robots mous et à gérer des objets comme les liquides glissants ou les matériaux granulaires.En fin de compte, ils envisagent cette technique améliorant l'apprentissage des robots, permettant aux robots de développer de nouvelles compétences de manipulation et de s'adapter rapidement aux environnements changeants.