Robot học cảm giác chạm của con người với ít dữ liệu hơn nhờ hệ thống chuyển động thích ứng

Các nhà nghiên cứu tại Đại học Keio ở Nhật Bản đã phát triển một hệ thống tái tạo chuyển động thích ứng cho phép robot thực hiện các thao tác nắm và điều khiển giống con người chỉ với dữ liệu huấn luyện tối thiểu. Các hệ thống robot truyền thống gặp khó khăn khi điều chỉnh khi các vật thể thay đổi về trọng lượng, độ cứng hoặc kết cấu, hạn chế việc sử dụng chúng trong các môi trường nhà máy được kiểm soát. Hệ thống mới tận dụng hồi quy quá trình Gaussian để mô hình hóa các mối quan hệ phi tuyến phức tạp giữa các đặc tính của vật thể và lực do con người tác động, cho phép robot suy đoán ý định chuyển động của con người và điều chỉnh chuyển động của chúng với các vật thể chưa từng gặp trong các môi trường thực tế động như nhà ở và bệnh viện. Các thử nghiệm cho thấy phương pháp này vượt trội đáng kể so với các phương pháp tái tạo chuyển động và học bắt chước truyền thống, giảm sai số vị trí và lực với biên độ lớn cả trong và ngoài phạm vi dữ liệu huấn luyện. Bằng cách yêu cầu ít dữ liệu hơn và giảm chi phí học máy, công nghệ này có tiềm năng ứng dụng rộng rãi, bao gồm cả robot hỗ trợ cuộc sống phải thích nghi với các nhiệm vụ đa dạng. Tiến bộ này dựa trên chuyên môn của Đại học Keio trong phản hồi lực-cảm giác và công nghệ xúc giác, đồng thời đại diện cho một bước quan trọng hướng tới việc cho phép robot hoạt động đáng tin cậy trong các môi trường không thể đoán trước.