Les robots peuvent couper des objets constitués de plusieurs matériaux

Les robots peuvent couper des objets constitués de plusieurs matériaux
Les robots peuvent couper des objets en plusieurs matériaux - RoboNinja dispose d'un estimateur d'état interactif et d'une politique de coupe adaptative conçue pour couper des objets multi-matériaux. À gauche : après quelques retracements, l'algorithme modifie la prédiction du noyau et replanifie le parcours de coupe lorsque la lame entre en collision avec le noyau invisible. À droite : À l'aide d'un robot physique, nous appliquons le modèle appris pour hacher les fruits de manière à maximiser la masse de coupe et à réduire les collisions. Source : Xu et al.

Les gens naissent avec la capacité de changer leur comportement en fonction des objets qu'ils tiennent dans leurs mains et des tâches qu'ils essaient d'accomplir. Par exemple, les élèves peuvent apprendre à retirer soigneusement la peau extérieure lorsqu'ils coupent certains fruits ou légumes, ou à couper autour de parties plus dures telles que des avocats ou des pépins de pêche.

Les robots doivent être capables de couper efficacement des objets avec des compositions ou des textures de matériaux mixtes pour aider les humains dans des tâches courantes telles que la cuisine et la préparation des repas. Mais transférer cette capacité aux robots s'est avéré très difficile jusqu'à présent.

RoboNinja, un système basé sur l'apprentissage automatique récemment développé par des chercheurs de l'Université de Columbia, de la CMU, de l'UC Berkeley et d'autres institutions américaines, peut permettre aux robots de découper des objets multi-matériaux, en particulier des objets mous avec des noyaux durs. Ses articles, publiés sur le service de prépublication ArXiv, peuvent contribuer à améliorer les compétences des robots créés pour aider les personnes dans les tâches ménagères et les tâches culinaires quotidiennes.

Zhenjia Xu, Zhou Xian et leurs collègues ont noté dans leur article que RoboNinja vise à supprimer la partie molle d'un objet tout en préservant le noyau dur, maximisant ainsi l'efficacité, contrairement aux études précédentes qui utilisaient des actions de coupe en boucle ouverte pour couper des objets mono-matériaux ( comme trancher des concombres). Notre approche utilise un estimateur d'état interactif pour ce faire et une politique d'interruption adaptative pour fermer la boucle perception-action.

À l'aide d'un programme informatique, ils ont pu créer un programme informatique qui leur permettrait de créer un programme informatique pouvant fonctionner sur n'importe quel ordinateur. Les objectifs du système sont d'extraire le plus de pulpe possible tout en réduisant les collisions avec la graine centrale et en utilisant le moins de force possible.

Processus de découpe des robots et algorithmes développés

Selon l'article de Xu, Xian et ses collègues, le système utilise des informations de collision clairsemées pour prédire à plusieurs reprises la position et la géométrie du noyau d'un objet, puis génère des actions d'interruption en boucle fermée en fonction de l'état prédit et d'une valeur de tolérance. Selon la déclaration, "la valeur de tolérance modifie le conservatisme de la politique lors de collisions en maintenant une distance de sécurité adaptative par rapport au noyau estimé".

Pour évaluer leur système de découpe d'objets multi-matériaux, les chercheurs ont développé un environnement de simulation de découpe plus adapté au défi auquel ils étaient confrontés. Dans cet environnement, un robot peut découper des objets constitués d'une combinaison de matériaux durs et mous de différentes manières.

Selon l'article de Xu, Xian et al., « Les simulateurs actuels sont limités dans la simulation de produits multi-matériaux ou le calcul de la consommation d'énergie tout au long du processus de découpe. Pour résoudre ce problème, nous créons un simulateur de cisaillement différentiable qui prend en charge la connectivité multi-matériaux et permet la création d'échantillons de trajectoires optimisées pour l'apprentissage des politiques.

RoboNinja a permis aux simulations de Xu, Xian et de leurs collègues de la pince robotique d'extraire une quantité importante de matériau mou des objets tout en limitant les collisions avec les pièces dures et en consommant une quantité d'énergie tolérable. Pour valider davantage les performances du cadre dans des scénarios réels et lors de la découpe d'objets avec différentes géométries de base, l'équipe l'a ensuite testé sur un véritable préhenseur robotique.

Dans leur rapport, les chercheurs ont écrit que nos essais ont démontré la généralisabilité de notre stratégie à des géométries de noyau innovantes et même à de vrais fruits. "Nous espérons que les résultats de nos expériences et le simulateur nouvellement créé stimuleront de nouvelles recherches sur l'apprentissage des robots impliquant des interactions avec des éléments multi-matériaux", écrivent les auteurs.

Source : Techxplore

 

 

📩 14/03/2023 14:36