Zijn AI-robots straks uw huishoudsters?

Door AI aangestuurde robots kunnen met meer dan alleen hun vingertoppen efficiënt omgaan met bewegende objecten.

Er wordt verwacht dat door AI aangestuurde robots handig zullen zijn voor mensen in het dagelijks leven, zoals oppassen, klusjes doen, het riool schoonmaken, enz. Dergelijke robots worden onderzocht om diverse menselijke taken uit te voeren, zoals het bakken en serveren van garnalen, het openen van een tweedeurs wandkast om pannen op te bergen, het bellen en betreden van een lift en het afspoelen van een gebruikte pan met een keukenkraan.

In een blog laat de Chinese robotfabrikant Dobot zijn licht schijnen op de mogelijkheden die het voor door AI aangestuurde robots voorziet. Het bedrijf heeft een Nederlandse vestiging in Baarle-Nassau.

AI of humanoïde

Humanoïde robots zijn ontworpen om het uiterlijk en de beweging van het menselijk lichaam na te bootsen. Ze zijn al lang een focus van onderzoek en ontwikkeling in robotica. Naarmate de AI-technologie vordert, ontstaat er echter een nieuw type robot: de door AI aangestuurde robot. Deze robots zijn niet ontworpen om op mensen te lijken, maar om de kracht van AI te benutten om efficiënt te interacteren met en objecten in hun omgeving te manipuleren.

Door AI aangestuurde robots hebben voordelen ten opzichte van humanoïde robots. Een daarvan is hun vermogen om efficiënter te redeneren over en te interacteren met objecten. Humanoïde robots zijn doorgaans ontworpen om menselijke fysieke mogelijkheden na te bootsen. Dat kan hun vermogen om bepaalde taken uit te voeren die behendigheid en kracht vereisen, of verder reiken dan wat een mens kan doen, beperken.

Daarentegen kunnen door AI aangestuurde robots worden ontworpen met gespecialiseerde effectoren, sensoren en besturingssystemen. Hiermee kunnen ze een breed scala aan objecten en taken nauwkeurig en efficiënt uitvoeren. Ze kunnen geavanceerde algoritmen voor computer vision en objectherkenning gebruiken om objecten te identificeren en ermee te interacteren. Ze kunnen machine learning technieken gebruiken om hun prestaties in de loop van de tijd voortdurend te verbeteren.

Objecten manipuleren

Stelt u zich voor dat u een grote en zware doos naar boven wilt verplaatsen. U kunt uw vingers spreiden, de doos met beide handen optillen, hem op uw onderarmen laten rusten, tegen uw borst leunen om uw evenwicht te bewaren en uw hele lichaam gebruiken om de doos te manoeuvreren. Of, geconfronteerd met een grote stapel extreem vuile vaat, kan langdurig weken en het gebruik van afwasmiddel menselijke handen beschadigen.

Robots kunnen menselijk gedrag vervangen en nabootsen om moeilijke taken uit te voeren. Door hun hele lichaam te gebruiken, kunnen door AI aangestuurde robots een grotere behendigheid, stabiliteit en aanpassingsvermogen vertonen. Ze kunnen een breder scala aan taken en objecten met grotere nauwkeurigheid en controle kunnen uitvoeren, terwijl het risico op schade wordt verminderd. Dit maakt ze geschikt voor complexe, zware of juist delicate manipulatietaken.

Deze technologie wordt effectief gebruikt voor contactrijke manipulatieplanning, waarbij robots proberen de optimale manier te leren om objecten te verplaatsen. Het grote aantal potentiële contactpunten waar robots over moeten nadenken, maakt deze 'trial and error' aanpak echter rekenintensief. Onderzoekers hebben ontdekt dat een techniek genaamd 'smoothing' (verzachten) ervoor zorgt dat reinforcement learning opmerkelijk goed presteert. Smoothing middelt veel onbelangrijke tussenliggende beslissingen, waardoor de dimensionaliteit van het probleem aanzienlijk wordt verminderd.

Door smoothing toe te passen, kunnen reinforcement learning-algoritmen de status, actie en ruimte effectiever verkennen en optimale manipulatiestrategieën leren. Deze integratie van imitatieleren en smoothing was een belangrijke doorbraak, waardoor AI gestuurde robots mensen kunnen helpen bij complexe fysieke taken die behendige, full-body interacties vereisen.

Combinatie

Hoewel smoothing besluitvorming vereenvoudigt, is het zoeken naar de resterende opties nog steeds een uitdaging. Daarom integreerden onderzoekers hun model met een efficiënt zoekalgoritme, waardoor de rekentijd op een laptop werd teruggebracht tot ongeveer een minuut. Testen in simulatie en op echte robotarmen toonden aan dat hun op modellen gebaseerde aanpak overeenkwam met de prestaties van reinforcement learning, maar veel sneller waren.

Deze geïntegreerde aanpak toont het potentieel van AI-gestuurde robots om samen te werken met mensen bij complexe fysieke taken. Naarmate robotica zich verder ontwikkelt, zullen we steeds meer capabele systemen zien die in een breed scala aan toepassingen in de echte wereld kunnen worden ingezet. Misschien worden ze binnenkort wel een zeer efficiënte huishoudster die de mens kan vervangen.

Foto: Dobot