Робот Mobile ALOHA построен из готовых деталей, напечатанных на 3D-принтере, что позволяет снизить расходы. Он справился с семью различными задачами, требующими мобильности и ловкости: от ополаскивания кастрюль до жеста «дай пять». Это демонстрирует универсальность робота.
Традиционно такого рода роботизированные системы, выполняющие сложные манипуляционные задачи, ограничивались стационарной деятельностью. Несмотря на использование передовой архитектуры искусственного интеллекта, им часто не хватает мобильности и ловкости — ключевых атрибутов для выполнения практических повседневных задач.
Mobile ALOHA спроектирован таким образом, чтобы его манипуляторы могли легко согласовываться с основными действиями, связанными с приготовлением еды. В видеороликах он разбивает яйца, добавляет соевый соус, перемешивает ингредиенты в сковороде нарезает лук и подает три блюда.
Обучение робота включало в себя сочетание непосредственного управления и наблюдения. Например, чтобы научиться готовить креветки, роботом управляли дистанционно 20 раз, каждый раз с небольшими вариациями. Такой подход позволил ему понять разные методы решения одной и той же задачи.
Робот также получал данные предыдущих тренировок с участием роботов, которые не обязательно включали приготовление пищи. К ним относятся рутинные задачи, с которыми можно столкнуться на кухне, например, отрывание бумажного полотенца. Такое сочетание новых и старых данных, известное как «совместное обучение», помогло роботу получить необходимый набор навыков, чтобы эффективно работать в ресторане. Это подход не требует тысяч обучающих примеров, которые обычно необходимы при обучении систем искусственного интеллекта.
Но есть минусы — размер и конструкция робота ограничивают его использование в пространстве. В будущем исследователи из Стэнфорда планируют обучить Mobile ALOHA более сложным задачам, таким как сортировка и складывание скомканного белья. Ученые говорят, что роботам особенно сложно обрабатывать ткань из-за непредсказуемых форм и текстур. Ожидается, что их инновационная методика обучения позволит роботам выполнять задачи, которые раньше считались невозможными.
