Aktuální vydání

celé číslo

07

2024

Elektrické, hydraulické a pneumatické pohony; polohovací mechanismy

Kamerové systémy a zpracování obrazu

celé číslo

Výzkumníci z CIIRC ČVUT naučí stroje zvládnout nové postupy sledováním a posloucháním člověka

Pozorovat a poslouchat. Průmyslové roboty se v budoucnu naučí nové výrobní postupy napodobením pohybů pracovníků a z instrukcí, které lidé vysloví při předvádění úkonů. Unikátní vývoj výzkumníků z ČVUT v Praze finančně podpořila Technologická agentura ČR (TA ČR). V letošním roce se tento výzkumný projekt zaměří na ověření v praxi. 

Čeští výzkumníci vyvíjejí průmyslový robot, který se dokáže naučit plnit zadanou úlohu pozorováním a napodobováním pohybů člověka. A navíc také „poslouchat“ slovní popis provázející motorické předvádění. Postup učení strojů rozpoznáním pohybů i jazyka podpořil stát prostřednictvím TA ČR částkou přesahující 2,5 milionu korun.

Zvláště zajímavé bude inovativní řešení pro výrobce, kteří využívají průmyslové roboty pro velmi rozličnou produkci. Avšak též pro menší výrobce, kteří si nechtějí kupovat jednotlivé roboty specificky připravené pro danou úlohu, ale zakoupí jeden robot a sami si ho „přeučí“ pro specifické výrobní postupy. „Tato technika umožňuje rychlou a pružnou změnu robotického chování, a je proto vhodná pro pravidelné přeučování úloh. Doposud jsme pracovali v simulovaném prostředí a provedli první zkoušky v praxi. V letošním roce se zaměříme právě na ověření projektu v reálném prostředí a zároveň budeme vyvíjet metody zkvalitnění učení a přenosu znalostí mezi jednotlivými úlohami,“ konstatovala vedoucí vývojového týmu Karla Štěpánová z Českého institutu informatiky, robotiky a kybernetiky ČVUT. „Podle našich poznatků jsme ve světě první, kdo využívá k učení robotů pozorování demonstrované akce spolu se zpracováním instrukcí v přirozeném jazyce,“ dodala.

Většina existujících přístupů využívá pro rozpoznávání pohybů zaučující osoby markery na jejím těle. To nedovoluje stroji jednoduché sledování běžných pracovníků. Češi proto zvolili jiný přístup. „Naše metoda by měla umožnit pozorování velkého množství pracovníků při jejich běžné práci. Ti nemusí mít žádné technické vzdělání. Díky tomu robot získá obsáhlou sadu úkonů, která zvýší přesnost provádění úkolu. Přidání jazykových instrukcí navíc umožní lepší rozpoznání akce, která zůstane při pozorování skryta, například zašroubování šroubku na dně misky a podobně,“ vysvětlila Karla Štěpánová.

Při ověřování řešení v praxi, které je hlavním letošním úkolem týmu, budou výzkumníci přímo v provozu na robotech KUKA ověřovat úlohy manipulace a skládání objektů. S firmou Valk Welding CZ se výzkumníci snaží automatizovat učení úloh svařování. „Budeme také konzultovat se samotnými odborníky z praxe, zda je řešení pro ně uživatelsky příjemné,“ informovala Karla Štěpánová.

TA ČR podpořila tento projekt ČVUT v Programu Zéta, jehož primárním cílem je zapojení studentů a mladých vědců do výzkumu s výsledky uplatnitelnými v podnikatelské sféře.

[Tisková zpráva TA ČR, červenec 2019.]

(ed)

Obr. 1. Detekce objektů ve scéně: ukázka sémantické segmentace scény pomocí Mask-RCNN (hodnoty u jednotlivých objektů vyjadřují rotaci objektu ve stupních, vypočtenou z rotace bounding boxu), autor: Michael Tesař