Agro-bot: mikor érkezik az agráriumba az emberét felülmúló robotkéz?

Mi vagy ki számít ügyesnek?

Ma alig egyéves korában egy csecsemő már ügyesebb, mint egy robot, és itt egy átlagos mai robotról van szó. Persze, a gépek többet tudnak, mint pusztán csak felvenni és letenni a tárgyakat, de még nem tartunk ott, hogy a világot finoman mozgó ujjakkal felfedező vagy kifinomult kézügyességre utaló természetes tapintást képesek legyünk lemásolni. Vagyis, biztos ez?

Az MIT Számítástechnikai és Mesterséges Intelligencia Laboratóriuma létrehozott egy olyan ügyes robotkezet, amely a tudósok szerint játszi könnyedséggel képes manipulálni különböző tárgyak ezreit. A dologhoz kellett még az OpenAI cég Dactyl (a görög daktylos szóból származó "ujj") névre hallgató mesterséges intelligencia szoftvere, ami szintén segíthet átlépni a fentebb említett határt. A Dactyl vezérelte humanoid robotkéz mindenesetre már kirakott egy Rubik-kockát, ezzel a talán "általános értelemben vett mesterséges intelligenciának" mondható szoftverrel, melynek koncepciója szembe megy az elterjedtebb, egyetlen speciális feladat létrehozására kifejlesztett hasonló programokkal. A projektben alkalmazásra került az "RGB-Stacking" nevű mesterséges látás létrehozására szolgáló rendszer is, amit a DeepMind hozott létre. Ez is elengedhetetlen ahhoz, hogy egy robot képes legyen megtanulni, hogyan kell megragadni és például egymásra helyezni a tárgyakat.

Robotic hand manipulates thousands of objects with ease: https://t.co/zCJoQnhRp0 pic.twitter.com/eb1TIlWrIu

— MIT CSAIL (@MIT_CSAIL) November 5, 2021

Az MIT Számítástechnikai és Mesterséges Intelligencia Laboratóriuma létrehozott egy olyan ügyes robotkezet, amely a tudósok szerint játszi könnyedséggel képes manipulálni különböző tárgyak ezreit. Forrás: Twitter

Ha elkel egy szorgos kéz

A mezőgazdasági robotok különféle módokon növelik a termelés hozamát a gazdálkodók számára. A drónoktól az autonóm traktorokon át a robotkarokig a technológiát kreatív és innovatív alkalmazásokban alkalmazzák. Azt mondanunk sem kel, hogy a mezőgazdaságban milyen hasznos lehetne egy autonóm, precíziós munkavégzésre is alkalmas robotkéz-rendszer. Az MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) tudósainak munkája nagy részben abból áll, hogy a gépeket képessé tegyék az emberi képességek leutánzására. Ehhez egy nagy-léptékű integrált keretrendszert hoztak létre, ami képes több mint kétezer különböző tárgyat mozgatni, áthelyezni robotkezével, bármilyen oldalra és orientációval. A létrehozott robot-képesség, egy pohártól kezdve egy tonhalkonzervig vagy gombostűig bárminek a mozgatását megoldja a robotkézzel, gyorstempójú és tetszőleges módon történő tárgy-felvétellel, és új helyre történő elhelyezéssel.

"Sőt, a robot képes mindezt olyan tárgyakkal is elvégezni, melyekkel még soha nem találkozott, vagyis a képesség eddig egyedülálló módon általánosítható!"

A létrehozott robot-képesség, egy pohártól kezdve egy tonhalkonzervig vagy gombostűig bárminek a mozgatását megoldja a robotkézzel. Fotó: MIT

Szimulált kéz

Az MIT tervezőcsapata egy mérnöki tervezőprogramon belül szimulált, emberi kézre emlékeztető , úgynevezett antropomorf kézzel dolgozott, ami 24 szabadságfokkal rendelkezett, és bizonyítékot szereztek arra is, hogy a rendszer a jövőben átvihető egy valódi robotrendszerre. (A különböző, akár nem robotikához kapcsolódó ipari berendezéseket és alkatrészeket is mind hasonló szoftvereken modellezik, illetve tervezik meg, magyarul semmilyen hátrányt nem jelent, hogy a szóban forgó robotkezet még nem gyártották le a valóságban is. Maga a gyártás - mondjuk egy 3D-nyomtatóval - az egész procedúra legutolsó, legkevésbé bonyolult lépése csupán.)

Tao Chen, az MIT CSAIL PhD-hallgatója, és a projekt vezető kutatója elmondta: "Az iparban leggyakrabban a párhuzamos pofákkal ellátott fogót használják, részben az egyszerű irányíthatósága miatt, de ez ugyanakkor fizikailag képtelen kezelni sok olyan eszközt, melyekkel a mindennapi életben találkozunk. Még egy fogót is nehéz lenne ezzel használni, mert nem lehet ügyesen előre-hátra mozgatni az egyik pofát. A mi rendszerünk viszont lehetővé teszi, hogy egy többujjas kéz ügyesen manipulálja az ilyen szerszámokat, ami új területet nyit a robotikai alkalmazások előtt".

Az MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) tudósainak munkája nagy részben abból áll, hogy a gépeket képessé tegyék az emberi képességek leutánzására. Forrás: YouTube

Ez az újkeletű "kézügyesség" - mely a régebbi rendszerekben rendszerint egyetlen feladatra és függőleges pozícióra korlátozódik - előnyös lehet a logisztika és a gyártás felgyorsításában, segíthet az olyan általános követelmények teljesítésében, mint például a tárgyak elhelyezése a csomagoláshoz szükséges pozíciókba, vagy a szerszámok szélesebb körének ügyes kezelése.

De mit csinál egy agro-bot?

A mezőgazdasági robotok automatizálják a lassú, ismétlődő és unalmas feladatokat a gazdálkodók számára, lehetővé téve számukra, hogy jobban összpontosítsanak az általános termelési hozamok javítására. A mezőgazdaságban leggyakrabban használt robotokat a következőkre használják:

• Betakarítás és szedés
• Gyomirtás
• Önálló kaszálás, metszés, vetés, permetezés és ritkítás
• Fenotipizálás
• Válogatás és csomagolás
• Eszköz (utility) platformok

A mezőgazdasági robotok automatizálják a lassú, ismétlődő és unalmas feladatokat a gazdálkodók számára, lehetővé téve számukra, hogy jobban összpontosítsanak az általános termelési hozamok javítására. Fotó: Unspalsh

A betakarítás és a szedés az egyik legnépszerűbb robotalkalmazás a mezőgazdaságban, mivel a robotok által elért pontosság és sebesség növeli a termés mennyiségét és csökkenti a szántóföldön hagyott terményhulladék mennyiségét.

A robotkéz működésének nehézségei

A robotikában a "kézben lévő" tárgyak mozgatása és áthelyezése kihívást jelentő probléma, mivel nagy az ilyenkor vezérlendő motorok száma, és az ujjak és a tárgyak közötti érintkezési állapot gyakran és több paraméter mentén is változik. A több mint kétezer tárgy baleset és sérülésmentes sikeres mozgatásához az MIT rendszerének sokat kellett tanulnia.

A robotkéz problémái akkor jelentkeznek a legnagyobb számban, amikor a kéz lefelé néz, ilyenkor ugyanis a robotnak nemcsak a tárgyat kell manipulálnia, hanem a gravitációval is meg kel küzdenie, hogy a kezelt tárgy ne essen le.

A több mint kétezer tárgy baleset és sérülésmentes sikeres mozgatásához az MIT rendszerének sokat kellett tanulnia. Fotó: Unsplash

Az MIT kutatói rájöttek, hogy egy egyszerű megközelítéssel meg lehet oldani az összetett problémákat. Úgynevezett modellmentes megerősítéses tanulási algoritmust (ilyenkor a mesterséges intelligenciának a környezettel való kölcsönhatásokból kell valós időben létrehoznia az értékfüggvényeket) használtak mélytanulással kombinálva, amit egy úgynevezett "tanár-tanítvány" képzési módszerrel végeztek.

A módszer szerint a "tanár" hálózatot a tárgyra és a robotra vonatkozó olyan információkkal tanítják be, melyek a szimulációban könnyen elérhetők, de a való világban nem, mint például az ujjhegyek elhelyezkedése vagy a tárgy sebessége. Annak érdekében, hogy a robotok a szimuláción kívül, a való életben is működőképesek legyenek, a "tanár" tudását a valós világban megszerezhető megfigyelésekre szűkítik le, például a kamerák által rögzített mélységi (térbeli) információt is tartalmazó képekre, a tárgy pózára és a robot ízületi pozícióira.

"Ezek azok az információk, melyek egy húsvér embernek is a rendelkezésére állnak - ha nem is minden tudatosan és matematikai pontossággal - amikor tárgyakat manipulál, például a kezébe vesz egy szem cseresznyét, feldobja és újra elkapja."

Annak érdekében, hogy a robotok a szimuláción kívül, a való életben is működőképesek legyenek, a "tanár" tudását a valós világban megszerezhető megfigyelésekre szűkítik le, például a tárgy pózára és a robot ízületi pozícióira. Fotó: Unsplash

A robotnál egy "gravitációs tantervet" is alkalmaztak, ahol a robot először nullgravitációs környezetben tanulta meg a készséget, majd a vezérlése lassan alkalmazkodott a normál gravitációs körülményekhez, ami a megfelelő tempóban végezve javította az általános teljesítményt. Megint csak lefordítva ezt a saját testünkre, az ember - szó szerint - túlesik a gravitációs tréningen kisgyermek korában, amikor esve-kelve megismerkedünk a tömegvonzás hatásaival és következményeivel.

Az MIT így betanított robotja a fentieken átesve szintén képes volt áthelyezni, átrendezni nagy számban olyan tárgyakat, melyekkel még soha nem találkozott, és melynek alakját nem ismerte, nem tanították meg neki előre.

De vissza a földekre

Az említett gyakori agro-bot alkalmazásokat nem könnyű automatizálni. Egy paprika szedésére tervezett robotrendszer számos akadályba ütközhet, a látórendszerének meg kell határoznia a paprika helyét és érettségét, persze zord körülmények között is, beleértve jelentős mennyiségű por jelenlétét, a változó fényintenzitást, a hőmérséklet-ingadozásokat és a szél által keltett mozgást.

Az említett gyakori agro-bot alkalmazásokat nem könnyű automatizálni. Fotó: Unsplash

És ez nem is elég, több kell, mint fejlett látórendszer egy paprika leszedéséhez. A robotkarnak ugyanannyi akadállyal rendelkező környezetben kell navigálnia, finoman megragadni a paprikát és sérülésmentesen elhelyezni az erre szolgáló tárolóban. Különösnek hangozhat, de ez a folyamat nagyságrendekkel bonyolultabb egy fém alkatrész összeszerelősorra történő felrakásától és a helyére forrasztásától, amit az autóipari robotok évtizedek óta végeznek sikeresen. A mezőgazdasági robotkarnak dinamikus környezetben kell rugalmasnak lennie, és persze kellően pontosnak ahhoz, hogy ne sértse meg a terményeket.

A gyümölcsökkel már nem lenne gond

Pulkit Agrawal, az MIT professzora, a kutatásról szóló tanulmány egyik szerzője elmondta: "Kezdetben azt gondoltuk, hogy a vizuális érzékelési algoritmusok jelentik majd az elsődleges kihívást a tárgyak alakjának kikövetkeztetésére, miközben a robot megérinti és manipulálja őket. Ezzel szemben az eredményeink azt mutatják, hogy a vizuális észlelés sokkal kevésbé fontos a manipuláció szempontjából, mint ahogyan azt gondolni szoktuk, és egyszerűbb észlelésfeldolgozási stratégiák is elegendőek lehetnek."

"Sok kis, kör alakú tárggyal (alma, teniszlabda, golyó), közel száz százalékos sikerarányt értünk el, a legalacsonyabb sikerarányt pedig az összetettebb tárgyak kezelése eredményezte, például egy kanál, egy csavarhúzó vagy egy olló esetében olyan harminc százalék körül alakult".

"Kezdetben azt gondoltuk, hogy a vizuális érzékelési algoritmusok jelentik majd az elsődleges kihívást a tárgyak alakjának kikövetkeztetésére, miközben a robot megérinti és manipulálja őket." Fotó: Unspalsh

A betakarítási és szedőrobotok amúgy is egyre népszerűbbek a gazdálkodók körében, de a mezőgazdasági ipar több tucat más innovatív módszert is alkalmazhat, melyekkel megvalósítható a robotautomatizálás a termelési hozam javítása érdekében. Az élelmiszerek iránti kereslet már a mai demográfiai számok mellett is meghaladja a rendelkezésre álló termőföldek kapacitását, a gazdálkodók feladata így az lehet, hogy megoldják ezt a kihívást. A mezőgazdasági robotok ebben segíthetnek nekik.

(Forrás: Roboticsandautomationnews)