Robot Usta Eli VS Robot Elektrikli Kavrayıcı

Bir tutucu ile birbeş parmaklı becerikli el, “daha yüksek” veya “daha düşük” seviye meselesi değildir. Bunlar, görev dağılımı ve veri arayüzleri hakkında farklı varsayımları temsil eder. Tutucu yaklaşımı, becerinin çevre, çok kollu iş birliği, araçlar ve görev tasarımı yoluyla dışsallaştırılması için daha uygundur; beş parmaklı el yaklaşımı ise beceriyi parmaklara, avuç yüzeylerine, çok noktalı temasa ve dokunsal geri bildirim döngülerine içselleştirmeye çalışır.

Bir Robot Becerikli El, daha gelişmiş bir Robot Elektrikli Tutucu mudur?

Bir tutucunun görevi bir şeyi “tutmak”tır.

Bir becerikli elin görevi ise nasıl kavrayacağı, kavradıktan sonra nasıl manipüle edeceği, elde nesnelerle nasıl oynayacağı ve araçları nasıl kullanacağı ile ilgilidir. Bunlar temelde farklı problemlerdir.

Bir Robot Becerikli El ile bir Robot Elektrikli Tutucu arasındaki temel fark nedir?

Basitçe söylemek gerekirse:

Bir tutucu iki durumlu bir sistemdir: açık-kapalı.

Birbecerikli elsürekli ayarlanabilir bir sistemdir.

Daha titiz akademik tanım şöyledir:

Bir becerikli el, dış desteğe ihtiyaç duymadan elde içi manipülasyon yapabilir. Bir nesneyi avuç içinde döndürmek, yeniden konumlandırmak veya nesneyi parmaklar arasında aktarmak gibi işlemleri gerçekleştirmek için birden çok parmağın koordineli hareketlerini kullanır ve temas kuvvetlerini sürekli olarak ayarlar.

Güncel araştırmalar birkaç katmana ayrılabilir:

• Donanım (aktüatörler, iletim sistemleri, mekanik yapılar)

• Algılama (dokunsal algılama, görme, propriosepsiyon)

• Kontrol (pekiştirmeli öğrenme, taklit öğrenme, difüzyon politikaları, VLA temel modelleri)

• Veri ve değerlendirme

Ancak, tek başına herhangi bir katmana bakmak yeterli değildir.

Yüksek serbestlik derecesi + zayıf algılama = felaket.

Büyük modeller + düşük seviyeli kuvvet kontrolü yok = sadece teorik konuşma.

Simülasyonda iyi performans gösteren bir politika, temas dinamikleri, sürtünme ve gürültü ortaya çıktığında gerçek bir robotta yine de başarısız olabilir. Gerçek dünya son derece zorludur.

Bir becerikli elin yerine getirmesi gereken görevler, bir tutucunun görevlerinden çok farklıdır

Elde içi manipülasyon

Örneğin:

Bir nesneyi avuç içinde döndürmek

Bir nesnenin yönünü değiştirmek

Bir nesneyi bir parmaktan diğerine aktarmak

Neden zordur?

Çünkü şunları gerektirir:

Sürekli temas

Temas noktaları arasında sık sık geçiş

Elin kendi kendine oluşturduğu engelleme

Belirsiz sürtünme kuvvetleri

Manipülasyon bir kez başarısız olursa, toparlanmak çoğu zaman zordur.

Güncel ana akım yaklaşımlar şunları içerir:

Pekiştirmeli Öğrenme (RL)

Etkileşim yoluyla öğrenmek ve doğru fiziksel modellere bağımlılığı azaltmak için uygundur.

Difüzyon Politikaları

Pürüzsüz, çeşitli eylem yörüngeleri üretmede iyidir.

Taklit Öğrenme

Robotların insan gösterimlerinden öğrenmesine olanak tanır ve yüksek boyutlu koordineli hareketler için uygundur.

VLA (Görüntü-Dil-Eylem) Modelleri

Yüksek seviyeli anlamlandırma için daha uygundur — örneğin, her küçük kuvvet ayarlamasını doğrudan kontrol etmek yerine “bu nesneyi döndür” komutunu anlamak gibi.

Kavrama, sadece “bir şeyi tutmak” değildir

Bir robotun ayrıca şunları yapması gerekir:

Nesne geometrisine göre temas noktalarını seçmek

Taşıma sırasında nesnelerin kaymasını önlemek

Nesneleri yerleştirirken uygun kuvveti uygulamak

Temel darboğaz genellemedir:

Robot daha önce hiç görmediği bir nesneyi kavrayabilir mi?

Pekiştirmeli öğrenme, difüzyon politikaları, taklit öğrenme ve temsil öğrenme hepsi bu yönü araştırmaktadır.

VLA modelleri robotların şu tür komutları anlamasına yardımcı olur:

“Şu kırmızı bardağı al.”

Araç kullanımı: “ne için olduğunu” anlamak

Bir çekiç sarılmak için yapılmamıştır.

Bir makas dürtmek için yapılmamıştır.

Alet kullanımı, nesnenin işlevsel amacını, yani affordance’ını anlamayı gerektirir.

Pekiştirmeli öğrenme, robotların karmaşık temas dinamiklerini öğrenmesine yardımcı olur.

Taklit öğrenme, önemli insan manipülasyon becerilerini çıkarır.

VLA modelleri, robotların “bir çekiç sadece tutmak için değil, vurmak içindir” olduğunu anlamasına yardımcı olur.

İnsan-robot etkileşimi: nesne hareket eder, değişir ve tercihleri vardır

İnsanlarla etkileşim, nesnelerle etkileşimden çok daha zordur.

İnsanlar şunları yapabilir:

Aniden uzanmak

Niyet değiştirmek

Robotun eylemlerine tepki vermek

Sistem yalnızca görevleri tamamlamakla kalmamalı, aynı zamanda şunları da korumalıdır:

Güvenli

Uyumlu

İnsanlar için rahat

İnsan-döngülü pekiştirmeli öğrenme, insan tercihleri ve düzeltmelerinin robot politikalarını doğrudan optimize etmesine olanak tanıyan bir yaklaşımdır.

İki kollu manipülasyon: iki yüksek boyutlu sistemin koordinasyonu

İki elin koordinasyon sağlaması gerekir:

Hangi elin ana rolü üstleneceği

Hangi elin yardımcı olacağı

Kuvvetlerin nasıl dağıtılacağı

Zamanlamanın nasıl senkronize edileceği

Zorluk dramatik biçimde artar.

Pekiştirmeli öğrenme, difüzyon politikaları, taklit öğrenme, VLA modelleri ve temsil öğrenmenin hepsinin kendi rolleri vardır — ancak hiçbiri tek başına tüm problemi çözemez.

Bir becerikli el her görev için her zaman daha mı iyidir?

İnsanların beş parmağı var diye robotların da otomatik olarak beş parmaklı olması gerektiğini varsaymayın.

Çok kol + tutucu yaklaşımı daha düşük seviyeli bir çözüm değildir. Güçlü bir mühendislik stratejisidir.

Avantajları çok nettir:

• Basit yapı

• Daha düşük maliyet

• Daha kolay bakım

• Daha düşük kontrol boyutu

Şu yollarla tamamlanabilen görevler için son derece uygundur:

• Çevresel kısıtlar

• Harici destek

• Çok kollu iş birliği

• Görevin yeniden tasarlanması

Başka bir deyişle, beceriyi dışsallaştırır.

Örneğin, aşağıdaki gibi yapılandırılmış görevlerde:

• Al-ve-yerleştir

• Ambalajlama

• Sınıflandırma

• Katlama

• Düzenleme

görevin kendisi çoğu zaman tutucu dostu olacak şekilde yeniden tasarlanabilir.

Nesneler şu araçlarla konumlandırılabilir:

• Konveyör bantlar

• Fikstürler

• Takımlama sistemleri

• Görüntü tabanlı yerelleştirme

• Çok kollu koordinasyon

Operasyonlar nispeten kararlı aşamalara ayrılabilir:

• Kavra

• Taşı

• Yerleştir

Bu senaryolarda, yüksek serbestlik derecesine sahip beş parmaklı bir eli zorla kullanmak yeterli marjinal fayda sağlamayabilir. Bunun yerine şu unsurları artırabilir:

• Donanım karmaşıklığı

• Kontrol zorluğu

• Bakım maliyeti

Asıl soru şu değildir:

“Robot uç efektörü beş parmaklı bir el mi olmalı, yoksa bir tutucu mu?”

Daha önemli soru şudur:

Hangi görevler gerçekten karmaşık bir robot gövdesini hak eder, hangileri ise görev mühendisliği ve çevresel kısıtlar yoluyla basitleştirilebilir?

Bir görev bir tutucu tarafından güvenilir biçimde tamamlanabiliyorsa, tutucu kullanmak doğru mühendislik seçimidir.

Ancak bir görev temelde şunlara bağlıysa:

• Elde içi manipülasyon

• Sürekli temas

• Çok noktalı kararlılık

• Dokunsal geri bildirim

o zaman beş parmaklı becerikli bir elin çok daha yüksek bir potansiyel tavanı vardır.