Помогаем роботам справляться с жидкостями

Предыдущее изображение Следующее изображение

Представьте, что вы наслаждаетесь пикником на берегу реки в ветреный день. Порыв ветра случайно подхватывает вашу бумажную салфетку и приземляется на поверхность воды, быстро уносясь от вас. Вы хватаете ближайшую палку и осторожно взбалтываете воду, чтобы поднять ее, создавая серию небольших волн. Эти волны в конечном итоге отталкивают салфетку обратно к берегу, и вы хватаете ее. В этом сценарии вода действует как среда передачи сил, позволяя вам манипулировать положением салфетки без прямого контакта.

Люди регулярно взаимодействуют с различными типами жидкостей в своей повседневной жизни, но это было сложной и недостижимой целью для современных роботизированных систем. Передать тебе латте? Это может сделать робот. Сделай это? Это потребует немного больше нюансов.

FluidLab, новый инструмент моделирования, разработанный исследователями Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL), улучшает обучение роботов сложным задачам по манипуляциям с жидкостями, таким как приготовление латте-арта, мороженого и даже манипулирование воздухом. Виртуальная среда предлагает разнообразный набор сложных задач по работе с жидкостями, включающих как твердые тела, так и жидкости, а также несколько жидкостей одновременно. FluidLab поддерживает моделирование твердого тела, жидкости и газа, включая упругие, пластиковые, твердые объекты, ньютоновские и неньютоновские жидкости, а также дым и воздух.

В основе FluidLab лежит FluidEngine, простой в использовании физический симулятор, способный плавно рассчитывать и моделировать различные материалы и их взаимодействия, используя при этом мощь графических процессоров (GPU) для более быстрой обработки. Двигатель является «дифференциальным», что означает, что симулятор может включать знания физики для более реалистичной модели физического мира, что приводит к более эффективному обучению и планированию роботизированных задач. Напротив, большинству существующих методов обучения с подкреплением не хватает той модели мира, которая зависит только от проб и ошибок. По словам исследователей, эти расширенные возможности позволяют пользователям экспериментировать с алгоритмами обучения роботов и экспериментировать с границами текущих возможностей манипулирования роботами.

Чтобы подготовить почву, исследователи протестировали упомянутые алгоритмы обучения роботов с помощью FluidLab, обнаруживая и преодолевая уникальные проблемы в жидкостных системах. Разработав умные методы оптимизации, они смогли эффективно перенести эти знания из моделирования в реальные сценарии.

«Представьте себе будущее, в котором домашний робот без особых усилий помогает вам выполнять повседневные задачи, такие как приготовление кофе, приготовление завтрака или ужина. Эти задачи включают в себя многочисленные проблемы с манипуляциями с жидкостями. Наш ориентир — это первый шаг к тому, чтобы позволить роботам овладеть этими навыками, принося пользу домохозяйствам. и на рабочих местах», — говорит приглашенный исследователь из MIT CSAIL и научный сотрудник MIT-IBM Watson AI Lab Чуанг Ган, старший автор новой статьи об исследовании. «Например, эти роботы могут сократить время ожидания и улучшить качество обслуживания клиентов в загруженных кафе. FluidEngine, насколько нам известно, является первым в своем роде физическим движком, который поддерживает широкий спектр материалов и соединений, будучи при этом полностью дифференцируемым. С помощью наших стандартизированных задач по манипулированию жидкостями исследователи могут оценить алгоритмы обучения роботов и расширить границы сегодняшних возможностей манипулирования роботами».

Жидкая фантазия

За последние несколько десятилетий ученые в области роботизированных манипуляций в основном сосредоточились на манипулировании твердыми объектами или на очень простых задачах манипулирования жидкостями, таких как переливание воды. Изучение подобных манипуляций с жидкостями в реальном мире также может оказаться небезопасным и дорогостоящим занятием.

Однако при манипуляциях с жидкостями речь идет не только о жидкостях. Во многих задачах, таких как создание идеального водоворота мороженого, смешивание твердых веществ с жидкостью или гребля по воде для перемещения объектов, это танец взаимодействия между жидкостями и различными другими материалами. Среды моделирования должны поддерживать «связь» или взаимодействие двух разных свойств материала. Задачи манипулирования жидкостями обычно требуют довольно высокой точности, деликатного взаимодействия и обращения с материалами, что отличает их от простых задач, таких как толкание блока или открытие бутылки.