Jak nauczyć różne roboty tej samej umiejętności?
2026 LASA EPFL CC BY SAModernizacja floty robotów w zakładzie produkcyjnym to dziś nie tylko wymiana sprzętu – to często konieczność przeprogramowania wszystkiego od zera. Nawet jeśli nowy robot ma wykonywać dokładnie to samo zadanie co poprzednik, różnice w kinematyce ramienia, zakresach ruchu przegubów czy ograniczeniach mechanicznych sprawiają, że gotowe programy z reguły nie nadają się do ponownego użycia. Każda maszyna musi być programowana osobno, od podstaw.
Naukowcy z Laboratorium Algorytmów Uczenia się i Systemów (LASA) przy Szkole Inżynierii EPFL opracowali platformę sterowania o nazwie Kinematic Intelligence, która ma ten problem rozwiązać raz na zawsze.
Na czym polega Kinematic Intelligence?
Człowiek demonstruje zadanie (np. przeniesienie przedmiotu z jednego miejsca na drugie), a system rejestruje ten ruch za pomocą technologii motion capture. Następnie algorytm przekształca zarejestrowaną sekwencję w ogólną strategię ruchową, pozbawioną przywiązania do konkretnej geometrii robota. Równolegle platforma kataloguje fizyczne ograniczenia dostępnych maszyn – zakresy ruchu przegubów, pozycje krytyczne, ograniczenia stabilności. Na tej podstawie automatycznie dostosowuje ogólną strategię do każdego z robotów z osobna.
W efekcie za pomocą jednej demonstracji ruchów można nauczyć różne roboty wykonywania tego samego zadania.
– Nasz projekt dotyczy od dawna istniejącego wyzwania w robotyce: jak przenieść wyuczoną umiejętność na roboty o różnych konstrukcjach mechanicznych, gwarantując jednocześnie bezpieczne i przewidywalne zachowanie – mówi kierowniczka LASA, Aude Billard. – Takie podejście mogłoby znacznie skrócić czas i zmniejszyć zapotrzebowanie na specjalistyczną wiedzę niezbędną do wdrażania robotów w rzeczywistych warunkach.
Test na linii montażowej
Działanie systemu zostało zweryfikowane w warunkach zbliżonych do przemysłowych. Człowiek zademonstrował sekwencję złożoną z trzech etapów: zrzucenie drewnianego klocka z przenośnika taśmowego, położenie go na stole warsztatowym i wrzucenie do kosza. Trzy różne dostępne na rynku roboty odtworzyły tę sekwencję niezawodnie – każdy zajmował się innym etapem, a system działał poprawnie nawet po zmianie przydziału zadań między maszynami.
MOŻE ZAINTERESUJE CIĘ TAKŻE
– Każdy robot interpretuje tę samą umiejętność na swój własny sposób, ale zawsze w bezpiecznych i wykonalnych granicach – wyjaśnia doktorantka LASA i współautorka projektu Sthithpragya Gupta.
Szerszy kontekst i plany rozwoju
Znaczenie tej technologii wykracza poza optymalizację istniejących linii produkcyjnych. W środowiskach, w których roboty są wymieniane szybciej niż kiedykolwiek, zdolność do płynnego transferu wyuczonych umiejętności między platformami może decydować o opłacalności całej inwestycji w automatyzację.
Zespół zapowiada rozszerzenie systemu o obsługę poleceń w języku naturalnym – co otworzyłoby drogę do sterowania robotami bez jakiejkolwiek wiedzy programistycznej – oraz o scenariusze współpracy człowiek-robot.
– Naszym celem jest wyeliminowanie konieczności posiadania wiedzy technicznej przy jednoczesnym zapewnieniu bezpiecznego i niezawodnego działania – podsumowuje współautor projektu Durgesh Haribhau Salunkhe. – Użytkownik przedstawia pomysł i pożądane zachowanie, a robot powinien zająć się resztą.
źródło: EPFL
