Innowacyjna metoda uczenia pozwoli robotom na uczenie się i współpracę z ludźmi Za każdym razem, gdy robot ma zacząć posługiwać się nową umiejętnością, potrzebni są specjaliści od jego programowania, co hamuje popularyzację robotów. Naukowcy z UE postanowili umożliwić robotom nabywanie nowych umiejętności poprzez inteligentne zachowania. Gospodarka cyfrowa Technologie przemysłowe © Ociacia, Shutterstock Aby radzić sobie z wykonywaniem zadań w zmieniających się środowiskach, roboty muszą posiadać system umożliwiający im ciągłe uczenie się nowych umiejętności w zależności od aktualnych warunków. Muszą także współpracować z ludźmi w dynamicznych środowiskach. Aby sprostać tym wyzwaniom, uczestnicy projektu CONVERGE (Convergent human learning for robot skill generation), finansowanego ze środków UE, starali się udoskonalić opracowany wcześniej model generowania i adaptacji modeli umiejętności wyuczonych przez roboty. Ogólnym celem prac była znacząca poprawa efektywności tej metody nabywania nowych umiejętności przez roboty poprzez umożliwienie im uczenia się równocześnie z obsługującym je człowiekiem. W projekcie CONVERGE wykorzystano dwa problemy dotyczące uczenia się "human-in-the-loop ": efektywnego przekazywania umiejętności robotom oraz wspólnego sterowania. Jeżeli chodzi o pierwsze z tych zagadnień, zbadano jednoczesne uczenie się człowieka i robota pod kątem syntezy autonomicznego sterownika dla kilku przykładowych zadań robota, na przykład "cart-pole swing up" i "cart-pole balance", a także przyspieszenie kuli na belce. Wyniki pokazują, że w modelu jednoczesnego uczenia, możliwe jest wspólne uczenie z dynamicznym współdzieleniem sterowania, a uzyskane autonomiczne sterowniki sprawdzają się lepiej niż zwykłe sekwencyjne uczenie typu "human-in-the-loop". Można powiedzieć, że choć jednoczesne uczenie się może wydawać się trudniejsze w przypadku obiektów naiwnych, ich wydajność można wykorzystać do wygenerowania autonomicznych reguł o ulepszonej wydajności. Jest to możliwe dzięki płynnemu przejściu od sterowania przez człowieka do współdzielonego sterowania, a ostatecznie do sterowania autonomicznego. W drugim badanym obszarze, dotyczącym współdzielonego sterowania, wykorzystano roboty antropomorficzne. W zadaniu wyważenia kuli, celem jest wyważenie kuli umieszczonej na tacce zamocowanej do końcowego efektora ramienia robota. Zadanie jest dzielone między człowieka i robota: tak więc obaj partnerzy starają się osiągnąć cel, choć robot musi wywnioskować cel człowieka, obserwując jego zachowanie. W ten sposób powstaje złożony podwójny system człowiek-maszyna, a wyniki eksperymentów wskazują, że adaptacja człowieka prowadzi do stworzenia współdzielonego systemu sterowania, wykorzystującego najlepsze elementy sterowania przez człowieka oraz przez robota, dzięki czemu kula może zostać wyważona szybciej niż przez samego człowieka i z większą precyzją niż przez samego robota. Co ciekawe, kolejne eksperymenty pokazują, że uczenie się człowieka jest łatwiejsze w przypadku sterowania współdzielonego, pomimo że wymagane jest rozwiązanie bardziej złożonego problemu niż w przypadku zdalnego sterowania pasywnym robotem. Ponadto, jeden z wariantów systemu współdzielonego sterowania, w którym człowiek odpowiada za sterowanie ramieniem, a robot za sterowanie palcem, jest wykorzystywany do autonomicznej syntezy umiejętności zamiany kul przy pomocy system złożonego z antropomorficznego ramienia robota i palca, co wskazuje na wszechstronność sterowania "human-in the-loop" i syntezy umiejętności. Podsumowując, model CONVERGE ma szansę zrewolucjonizować proces projektowania i programowania systemów robotycznych, umożliwiając im współpracę z ludźmi dzięki synergistycznemu połączeniu umiejętności obu partnerów. Słowa kluczowe Roboty, CONVERGE, zbieżne uczenie człowieka, umiejętności robota, autonomiczne sterowanie
