MIT-specialister använder artificiell intelligens för att lära robotar att packa saker bättre i ett litet utrymme

Forskare från Massachusetts Institute of Technology (MIT) har presenterat en avancerad metod baserad på generativa modeller för artificiell intelligens som avsevärt förbättrar robotsystemens prestanda när de manipulerar föremål i trånga utrymmen.

MIT-forskarna använder generativa AI-modeller för att hjälpa robotar att effektivt lösa komplexa objektmanipulationsuppgifter, inklusive förpackning av olika objekt. Att paketera föremål är en utmanande uppgift för robotar eftersom det kräver att många begränsningar uppfylls, till exempel att undvika kollisioner och skapa stabila strukturer.
Traditionella metoder för att lösa detta problem arbetar sekventiellt och kan vara mycket tidskrävande.

MIT-forskare har använt en generativ diffusionsmodell för att lösa detta problem mer effektivt, vilket innebär att man tränar modeller som representerar olika typer av begränsningar. Deras tillvägagångssätt gör det möjligt för dem att skapa effektiva lösningar snabbare och för ett större antal objekt, med hänsyn till alla begränsningar samtidigt. Metoden kan användas för att träna robotar att förstå och följa vanliga begränsningar för paketering av objekt, vilket är viktigt i en mängd olika scenarier, från att arbeta på ett lager för att uppfylla beställningar till att organisera en bokhylla hemma.

Vad demonstrerades i videon

Robotstyrning i flera steg innebär många begränsningar. Diffusion-CCSP-metoden (som visas i videon nedan) hittar effektivt en lösning genom att förbättra den med hjälp av funktionsoptimering. Istället för att gissa använder den diffusionsmodeller för att optimera begränsningarna. Metoden tränas i simuleringar och kan hantera problem med fler objekt och begränsningar än tidigare.

Forskarna planerar att undersöka möjligheten att tillämpa denna metod i mer komplexa situationer och för robotar som kan röra sig runt i ett rum utan att träna på nya data. Detta tillvägagångssätt öppnar upp för möjligheten att utveckla mer effektiva och tillförlitliga autonoma system i en mängd olika tillämpningar.

Varför det är viktigt.

De nya metoderna som utvecklats vid MIT gör robotar bättre på komplexa uppgifter som t.ex. paketering. Med hjälp av artificiell intelligens lär de sig att undvika problem och använda utrymmet effektivt. Detta är mycket viktigt eftersom robotar nu kan hjälpa till inte bara i lager utan även i hemmet. De kommer också att kunna utföra mer komplexa uppgifter där allt runt omkring dem ständigt förändras.

Källa: mit.edu