Поиск - новости науки и техники

Тренируйся, робот!

Технику учат трудиться по-человечески

Грамотному инженеру достаточно взглянуть на чертеж, чтобы представить деталь и ее расположение, скажем, в автомобиле. Но как обучить этим навыкам робота-манипулятора? Простую для человека задачу чрезвычайно сложно формализовать таким образом, чтобы ее смог решить робот. Ведь его способность к самостоятельным решениям ограничивается заранее заданными алгоритмами. В рамках проекта Российского фонда фундаментальных исследований «Самообучающаяся роботизированная сервисная система I see you (ICU)» международная команда «учит» промышленные манипуляторы распознавать нужный объект, оптимально его захватывать и размещать в нужном месте. Точнее, РФФИ финансирует работы российской группы исследователей из Новосибирского государственного технического университета (НГТУ), занятых, пожалуй, наиболее фундаментальной частью проекта – созданием алгоритмов и программ, призванных обеспечить самообучение робототехнической системы. Болгарская часть команды из Технического университета Софии взяла на себя мехатронику – конструирование «универсальной руки», способной выполнить эффективный захват объекта сложной формы, и получает поддержку от Академии наук Болгарии. Немецкие исследователи из научного института робототехнических и мехатронных систем Общества Фраунгофера (город Хемниц) отвечают за разработку экспериментального стенда с промышленным роботом KUKA и проводят работы за счет средств DLR – Германского центра авиации и космонавтики.
Насколько реально научить робота распознать объект, классифицировать его и решить, как оптимально использовать, рассказал руководитель проекта с российской стороны, доцент НГТУ, директор Сибирского регионального научно-исследовательского гидро-метеорологического института кан-дидат технических наук Алексей КОЛКЕР:

Существует несколько подходов к созданию систем искусственного интеллекта. Первый – классический: перевести физические закономерности процесса в формулы, тогда, зная объект, можно описать его поведение. Второй, активно развиваемый сейчас, – наладить самообучение нейронных сетей, которые самостоятельно будут выявлять закономерности поведения массива данных. Так, компьютер можно научить хорошо играть в шахматы, просто заставив нейронную сеть играть саму с собой и слегка «возмущая» процесс, добавив, например, элементы случайности в выборе ветви дерева развития событий. Так сказать, обучение на основе приобретенного опыта. Как в жизни. Согласитесь, большая часть населения планеты понятия не имеет о законах Ньютона, но прекрасно знает: если положить камень на наклонную поверхность, он скатится. В нашем случае можно использовать виртуальную среду – искусственную реальность. Загрузив в нее информацию об объекте и модель робота-манипулятора, мы можем заставить его виртуально тренироваться. В целом мы разрабатываем робототехническую систему, которая могла бы управляться при помощи элементов искусственного интеллекта. В частности, занимаемся вопросами распознавания образов: как объект классифицировать, как передать информацию о том, что с ним может быть сделано, системе управления.
Здесь нам на помощь, кстати, приходят технологии индустрии развлечений. Так, лет 10 назад был настоящий всплеск публикаций по моей тематике исследований – техническому зрению. Дело в том, что благодаря 3D-камере Kinect, которую Microsoft сделал для своих игровых приставок, у множества лабораторий в мире появился доступный сенсор, который мог давать облака точек. Вот и для синтетического обучения модели поведения робота мы пытаемся использовать движки дополненной реальности, в частности Unreal-4. Развитие таких систем стимулируют в том числе индустрия компьютерных игр и технологии генерации спецэффектов при создании кино.
В проекте используется система технического зрения, состоящая из различных измерительных устройств, объединенных в единое информационное пространство по компьютерной сети. Все они синхронизированы в пространстве и времени с помощью специально разработанных алгоритмов и программ. Созданный нами алгоритм распознавания объекта позволяет обеспечить точную локализацию 16-миллиметровой виртуальной «детали» в трехмерном пространстве. Надеемся улучшить точность до 8 мм.
Поскольку в числе заказчиков наших немецких коллег из Института Фраунгофера – крупные автомобильные компании, демонстрационный сценарий проекта направлен на работу робота-манипулятора в автосборочном производстве. Робототехническая сис-
тема должна уметь классифицировать деталь, опознав ее по данным с 3D-сенсоров, затем обеспечить ее грамотный захват и, наконец, дать задание манипулятору, что необходимо сделать с деталью для решения производственных задач. Парадоксально, но фундаментальные алгоритмы достаточно универсальны: с некоторыми адаптациями их можно использовать для решения множества задач в области анализа данных, лежащих далеко за пределами сферы промышленных манипуляторов, вплоть до постпроцессинга данных гидродинамического моделирования атмосферы. Еще одна немаловажная задача, которую нам предстоит решить, – обеспечение безопасности взаимодействия робототехнической системы и человека в одном рабочем пространстве. Чтобы наладить эффективную кооперацию человека и робота, надо урегулировать ряд математических и технических проблем.
Интересна история проекта. Здесь сыграли роль традиции, к которым я отношусь с особым уважением, поскольку портрет моего деда Иосифа Григорьевича Колкера висит в галерее профессоров-основателей НГТУ-НЭТИ. Еще в конце 1970-х у кафедры автоматики НГТУ (тогда – Новосибирского электротехнического института) были программы обмена с Техническим университетом Хемница. В 1990-х сотрудничество в силу понятных причин прервалось, но в 2008-м его решили возобновить благодаря Приоритетному национальному проекту «Образование», финансируемому Минобрнауки. В делегацию кафедры, посещавшую Хемниц, включили меня. Именно тогда я познакомился с нынешними сотрудниками Института Фраунгофера, которые тоже занимались техническим зрением. Затем я несколько раз участвовал в российско-немецкой программе «Михаил Ломоносов», за реализацию которой хотелось бы персонально поблагодарить Юрия Павловича Чугунова, много лет курировавшего этот обмен со стороны нашего Министерства образования и науки. Ни средства Российской Федерации, ни деньги DAAD (немецкого координатора программ) не были выброшены на ветер – я знаю много проектов, подобных нашему, которые выросли из программы «Михаил Ломоносов» и подняли российско-германское сотрудничество на новый уровень.
У нас очень молодая команда: помимо состоявшихся ученых работают студенты-магистранты с факультета автоматики и вычислительной техники НГТУ. И неудивительно: искусственный интеллект – одно из самых перспективных направлений исследований. А Интернет позволяет сделать научные изыскания распределенными – мы каждую неделю проводим онлайн-встречи с европейскими коллегами, координируем работу. Проект стартовал в 2018-м, к сегодняшнему дню уже сделан экспериментальный стенд, разработаны алгоритмы калибровки системы технического зрения, элементы искусственного интеллекта в части виртуальной тренировки по синтетическим данным (вышеупомянутые 3D-модели объекта и робота-манипулятора). В этом году мы должны объединить результаты российских, болгарских и немецких исследований в совместный демонстрационный стенд и приступить к проведению экспериментов.

Ольга Колесова

Нет комментариев