科学家们开发了一种机器人，可以通过观察人类学习清洁水槽等任务。一个专门设计的带有传感器的海绵被用来演示清洁是如何进行的。得益于复杂的机器学习系统，这个机器人学习如何执行这些任务，并能将这些知识应用于清洁各种类型的水槽。
机器人旨在为我们处理平凡或不受欢迎的任务。然而，像浴室清洁这样的工作在自动化方面存在挑战。我们如何编程一个机器人手臂去到水槽的每一个角落？如果水槽的边缘形状奇特呢？应该施加多少压力，在哪里施加？
创建详细的固定指令来解决这些问题需要大量时间。相反，维也纳科技大学的研究人员选择了一种不同的方法：人类多次向机器人演示清洁过程。一个专门装备的海绵被用来清洁水槽的边缘。通过观察人类的动作，机器人学习如何清洁，并能根据不同形状的表面调整此知识。这些发现最近在阿布扎比举办的IROS 2024会议上分享。
清洁、打磨、抛光
清洁是一种表面处理形式，但许多其他工业活动，如打磨、抛光表面、涂漆或施用粘合剂，在技术上非常相似。
维也纳科技大学自动化与控制研究院的安德reas·库吉教授解释说：“用摄像机捕捉水槽的形状相对简单。然而，真正的挑战是教会机器人每个表面部分所需的特定动作。它应该多快移动？角度应该是多少？需要多大的力？”
人类通过经验和模仿他人获得这种类型的知识。“在一个车间，经验丰富的工人可能会指导学徒，告诉他们在狭窄的边缘上需要施加更多的压力，”负责库吉团队中工业机器人组的克里斯蒂安·哈特尔·内西奇提到。“我们旨在为机器人实施类似的学习方法。”
一种清洁海绵的原型
为了这个努力，创造了一种独特的清洁工具：一个配备了力传感器和跟踪标记的海绵，人们反复使用它来清洁水槽的边缘。“我们从仅仅几次演示中收集了大量数据，然后进行分析，以便机器人能够学习有效清洁的内容，”克里斯蒂安·哈特尔·内西奇解释道。
这种学习方法得益于维也纳科技大学研究团队创造的一种创新数据处理策略。它融合了多种现有的机器学习技术：测量数据经过统计分析，然后用来通知神经网络识别已确立的运动元素，即“运动原语”。因此，机器人手臂被优化以在表面上执行清洁。
这种突破性的学习算法使得机器人在训练后能够清洁整个水槽或其他具有复杂表面的物体，即使它只被展示了如何清洁水槽的一个边缘。“机器人理解必须根据表面的形状以不同的方式握住海绵，并调整对紧弯曲区域与平坦部分的压力，”来自工业机器人团队的博士生克里斯托夫·乌nger分享道。
愿景：车间机器人之间的集体学习
展示的技术适用于从木工打磨木材到修复和抛光车辆涂装、焊接金属部件等各种过程。未来，这个机器人可能在一个移动平台上工作，作为任何车间的有效助手。
这些机器人甚至可以合作并共享知识。“想象一下，无数车间利用这些自学习机器人进行打磨或涂漆任务。它们可以独立学习本地数据，但仍然相互交换学习的参数，”安德reas·库吉设想道。个别数据，比如特定工件的独特形状，将保持机密，但关键的基础原则可以共享，以提升所有机器人的技能。这一概念被称为“联邦学习。”
维也纳科技大学的广泛测试已证明了清洁机器人的多功能性。这项创新已经引起国际关注：在IROS 2024会议（2024年10月14日至18日）上，该会议收录了3500多项科学提交，维也纳科技大学获得了“最佳应用论文奖”，被认可为年度最重要的创新之一。
