Belangrijke doorbraak! Onderzoeksteam uit Beijing stelt 'hybride kracht-positieregelingsalgoritme' voor, werelds eerste

Onlangs hebben Chinese onderzoeksteams belangrijke doorbraken geboekt op het gebied van robotalgoritmen en hebben zij de werelds eerste geünificeerde theorie van het ‘hybride kracht-positiebesturingsalgoritme’ voorgesteld. Dit algoritme is niet afhankelijk van krachtsensoren, waardoor de robot zowel positie- als krachtbesturing tegelijkertijd kan leren. Het succespercentage van gerelateerde taken is met ongeveer 39,5% gestegen ten opzichte van de strategie die uitsluitend positionele besturing gebruikt. Nog opmerkelijker is dat de gerelateerde wetenschappelijke artikelen momenteel de Outstanding Paper Award hebben gewonnen op de International Robot Learning Conference — de eerste keer sinds de instelling van deze prijs dat een team Chinese wetenschappers deze heeft ontvangen.
Op de proeflocatie van het Beijing General Artificial Intelligence Research Institute voert een viervoetige mechanische hond, uitgerust met dit nieuwe algoritme, de opleidingstaak uit om bordjes op geordende wijze schoon te vegen. Onderzoekers gebruikten dit praktische scenario om aan verslaggevers de kernprincipes en opvallende voordelen van het ‘hybride kracht-positiebesturingsalgoritme’ uit te leggen.
Jia Baoxiong, onderzoeker bij het Beijing General Artificial Intelligence Research Institute: De mainstream visuele taalactiemodellen gebruiken in feite foto’s die door camera’s zijn genomen als invoer en voorspellen vervolgens trajecten. Dit traject kan ertoe leiden dat de robot tijdens het wissen niet strikt aan de whiteboard blijft, waardoor het onmogelijk wordt om deze situatie te wissen. In het kracht-positiegemengde regelmodel proberen we de dimensie van kracht zoveel mogelijk aan te vullen, zodat we op basis van nauwkeurige positionering druk op de whiteboard kunnen uitoefenen. Hierdoor kan de robot zich nauw aan de whiteboard aanpassen en de woorden erop wissen. Met andere woorden: we hebben niet alleen de krachtdimensie op het oorspronkelijke visuele taalactiemodel geïntegreerd, maar ook het effect bereikt van gelijktijdige mengregeling van kracht en positie.
Volgens onderzoekers blijft het veelgebruikte visuele taalactiemodel vaak tekortkomen bij het uitvoeren van vele taken in het echte leven. De kernproblematiek ligt in het feit dat de meeste van deze taken complexe contactscenarios inhouden: bijvoorbeeld bij het afvegen van een bord moet de robotarm aan het oppervlak blijven kleven terwijl hij een geschikte druk uitoefent; bij het openen van een schakelkastdeur moet de interne duw-trekveerstructuur nauwkeurig worden waargenomen; en de robot moet niet alleen ‘naar waar hij heengaat en zijn hand uitsteken waar hij heengaat’, maar ook ‘begrijpen hoeveel kracht hij moet toepassen’. Voorafgaand aan het ‘hybride kracht-positie-regelalgoritme’ moesten al deze aspecten worden opgelost met behulp van krachtsensoren.
Jia Baoxiong, onderzoeker bij het Beijing General Artificial Intelligence Research Institute: Krachtsensoren worden in feite vaker toegevoegd aan vaste robotarmen, waardoor de installatie complexer en duurder wordt. Het kracht-positie-gemengde besturingsmodel heeft het succespercentage van deze krachtafhankelijke taken met bijna 40% verbeterd ten opzichte van het traditionele VLA-model (visual language action model).