Metode baru memungkinkan robot belajar di alam liar
Robot itu memperhatikan saat Shikhar Bahl membuka pintu lemari es. Itu merekam gerakannya, ayunan pintu, lokasi lemari es dan banyak lagi, menganalisis data ini dan mempersiapkan diri untuk meniru apa yang telah dilakukan Bahl.
Itu gagal pada awalnya, kehilangan pegangan sepenuhnya pada waktu, meraihnya di tempat yang salah atau menariknya dengan tidak benar. Namun setelah beberapa jam latihan, robot berhasil dan membuka pintu.
“Imitasi adalah cara yang bagus untuk belajar,” kata Bahl, seorang Ph.D. mahasiswa di Robotics Institute (RI) di Sekolah Ilmu Komputer Universitas Carnegie Mellon. “Memiliki robot yang benar-benar belajar dari mengamati manusia secara langsung tetap menjadi masalah yang belum terpecahkan di lapangan, tetapi pekerjaan ini mengambil langkah signifikan dalam memungkinkan kemampuan itu.”
Bahl bekerja dengan Deepak Pathak dan Abhinav Gupta, keduanya anggota fakultas di RI, untuk mengembangkan metode pembelajaran baru untuk robot yang disebut WHIRL, kependekan dari the-Wild Human Imitating Robot Learning (Pembelajaran Robot Peniru Manusia di Alam Liar). WHIRL adalah algoritma yang efisien untuk imitasi visual satu-shot. Itu dapat belajar langsung dari video interaksi manusia dan menggeneralisasi informasi itu ke tugas-tugas baru, membuat robot sangat cocok untuk mempelajari pekerjaan rumah tangga. Orang-orang terus-menerus melakukan berbagai tugas di rumah mereka. Dengan WHIRL, robot dapat mengamati tugas-tugas tersebut dan mengumpulkan data video yang dibutuhkan untuk akhirnya menentukan bagaimana menyelesaikan pekerjaan itu sendiri.
Tim menambahkan kamera dan perangkat lunak mereka ke robot siap pakai, dan mereka belajar bagaimana melakukan lebih dari 20 tugas — mulai dari membuka dan menutup peralatan, pintu lemari dan laci hingga menutup panci, mendorong masuk kursi dan bahkan mengambil kantong sampah dari tempat sampah. Setiap kali, robot melihat seorang manusia menyelesaikan tugas satu kali dan kemudian berlatih dan belajar untuk menyelesaikan tugas itu sendiri. Tim mempresentasikan penelitian mereka bulan ini di konferensi Robotika: Sains dan Sistem di New York.
“Karya ini menghadirkan cara untuk membawa robot ke dalam rumah,” kata Pathak, asisten profesor di RI dan salah satu anggota tim. “Alih-alih menunggu robot diprogram atau dilatih untuk berhasil menyelesaikan berbagai tugas sebelum menyebarkannya ke rumah orang, teknologi ini memungkinkan kami untuk menggunakan robot dan membuat mereka belajar cara menyelesaikan tugas, sambil beradaptasi dengan lingkungan mereka dan meningkatkan semata-mata dengan menonton.”
Metode saat ini untuk mengajar robot tugas biasanya mengandalkan pembelajaran imitasi atau penguatan. Dalam pembelajaran imitasi, manusia mengoperasikan robot secara manual untuk mengajarinya cara menyelesaikan tugas. Proses ini harus dilakukan beberapa kali untuk satu tugas sebelum robot belajar. Dalam pembelajaran penguatan, robot biasanya dilatih pada jutaan contoh dalam simulasi dan kemudian diminta untuk mengadaptasi pelatihan itu ke dunia nyata.
Kedua model pembelajaran bekerja dengan baik saat mengajarkan robot satu tugas dalam lingkungan terstruktur, tetapi sulit untuk diukur dan diterapkan. WHIRL dapat belajar dari video apa pun tentang manusia yang melakukan tugas. Ini mudah diskalakan, tidak terbatas pada satu tugas tertentu dan dapat beroperasi di lingkungan rumah yang realistis. Tim ini bahkan sedang mengerjakan versi WHIRL yang dilatih dengan menonton video interaksi manusia dari YouTube dan Flickr.
Kemajuan dalam visi komputer memungkinkan pekerjaan itu. Menggunakan model yang dilatih pada data internet, komputer sekarang dapat memahami dan memodelkan gerakan dalam 3D. Tim menggunakan model ini untuk memahami gerakan manusia, memfasilitasi pelatihan WHIRL.
Dengan WHIRL, robot dapat menyelesaikan tugas di lingkungan alaminya. Peralatan, pintu, laci, tutup, kursi dan kantong sampah tidak dimodifikasi atau dimanipulasi agar sesuai dengan robot. Beberapa upaya pertama robot dalam suatu tugas berakhir dengan kegagalan, tetapi begitu robot itu berhasil beberapa kali, ia dengan cepat memahami cara menyelesaikannya dan menguasainya. Meskipun robot mungkin tidak menyelesaikan tugas dengan gerakan yang sama seperti manusia, bukan itu tujuannya. Manusia dan robot memiliki bagian yang berbeda, dan mereka bergerak secara berbeda. Yang penting hasil akhirnya sama. Pintu dibuka. Saklar dimatikan. Kran dihidupkan.
“Untuk menskalakan robotika di alam liar, data harus dapat diandalkan dan stabil, dan robot harus menjadi lebih baik di lingkungannya dengan berlatih sendiri,” kata Pathak.
(Materials provided by Carnegie Mellon University)
***
Solo, Jumat, 29 Juli 2022. 3:33 pm
‘salam hangat penuh cinta’
Suko Waspodo
suka idea
antologi puisi suko
image: Live Japan
