Xử lý trái cây mềm là một khó khăn lớn với robot, do không có cảm nhận về vật thể, các tay robot thường thiếu sự khéo léo và độ chính xác để xử lý các vật phẩm mà không phá hủy. Hình dạng không đồng nhất của trái cây, thay đổi đáng kể ngay cả với cùng một loại cũng có thể làm rối loạn những thuật toán thị giác máy tính của robot.
Nhóm nhà khoa học do GS Heecheol Kim tại Đại học Tokyo đã phát triển một hệ thống máy học điều khiển cho một robot, có hai cánh tay và bàn tay có thể kẹp vật giữa hai “ngón tay”.
Đầu tiên, người điều khiển robot làm mẫu, bóc vỏ hàng trăm quả chuối, tạo ra 811 phút dữ liệu hoạt động để huấn luyện robot tự làm việc đó. Nhiệm vụ được chia thành chín giai đoạn, từ một tay cầm quả chuối nhấc ra khỏi bàn, tay kia cầm đầu chuối, lột vỏ, sau đó di chuyển quả chuối để loại bỏ phần còn lại của vỏ chuối.
Đối với những chuyển động rộng mà không có khả năng làm hỏng quả chuối, mô hình học máy vạch ra quỹ đạo, bắt chước người huấn luyện làm không cần tính toán. Nhưng khi các cánh tay tiến hành những thao tác chính xác với quả chuối, hệ thống điều khiển chuyển sang cách tiếp cận phản ứng, thực hiện hành vi ứng phó với những thay đổi bất ngờ trong môi trường xung quanh.
Trong các thử nghiệm, robot có thể bóc thành công 57% quả chuối trong thời gian thử nghiệm. Toàn bộ quá trình diễn ra chưa đầy 3 phút.
Robot bóc vỏ quả chuối. Ảnh: Heecheol Kim, Đại học Tokyo
Điều quan trọng trong trường hợp này là quá trình hoạt động của con người được chuyển sang quá trình đào tạo hệ thống điều khiển robot, sử dụng phương pháp Máy học mô phỏng sâu”.
GS Kim cho biết, phương pháp tiếp cận mới có hiệu quả rất cao, chỉ sử dụng 13 giờ dữ liệu đào tạo thay cho hàng trăm hoặc hàng nghìn giờ dữ liệu. Phương pháp vẫn yêu cầu khá nhiều thiết bị xử lý đồ họa (GPU), nhưng sử dụng cấu trúc này có thể giảm khối lượng lớn tính toán bắt buộc.
Trong thử nghiệm này, robot xử lý quả chuối còn rất nhiều điều cần quan tâm. Đặc biệt là các cấu trúc bộ phận. Nhưng thử nghiệm này đã mở ra một hướng mới cho công nghệ robot, sử dụng Máy học mô phỏng sâu để đào tạo. Với khả năng điều khiển động cơ tốt hơn, robot có thể hoạt động nhuần nhuyễn hơn. Phương pháp đào tạo này có thể huấn luyện robot xử lý các nhiệm vụ đòi hỏi kỹ năng vận động chính xác và linh hoạt.
