MIT-Spezialisten nutzen künstliche Intelligenz, um Robotern beizubringen, Dinge besser auf engem Raum zu verpacken

Forscher des Massachusetts Institute of Technology (MIT) haben eine fortschrittliche Methodik vorgestellt, die auf generativen Modellen der künstlichen Intelligenz beruht und die Leistung von Robotersystemen bei der Handhabung von Objekten in engen Räumen deutlich verbessert.

Die MIT-Forscher verwenden generative KI-Modelle, um Robotern zu helfen, komplexe Aufgaben der Objektmanipulation effizient zu lösen, einschließlich der Verpackung verschiedener Objekte. Das Verpacken von Objekten ist eine schwierige Aufgabe für Roboter, weil dabei viele Bedingungen erfüllt werden müssen, z. B. die Vermeidung von Kollisionen und die Schaffung stabiler Strukturen.
Herkömmliche Methoden zur Lösung dieses Problems arbeiten sequentiell und können sehr zeitaufwändig sein.

MIT-Forscher haben ein generatives Diffusionsmodell verwendet, um dieses Problem effizienter zu lösen, indem sie Modelle trainieren, die verschiedene Arten von Einschränkungen darstellen. Ihr Ansatz ermöglicht es ihnen, effektive Lösungen schneller und für eine größere Anzahl von Objekten zu finden, wobei alle Beschränkungen gleichzeitig berücksichtigt werden. Diese Methode kann verwendet werden, um Robotern beizubringen, gängige Einschränkungen bei der Verpackung von Objekten zu verstehen und einzuhalten, was in einer Vielzahl von Szenarien wichtig ist, von der Arbeit in einem Lagerhaus zur Erfüllung von Aufträgen bis hin zum Ordnen eines Bücherregals zu Hause.

Was im Video gezeigt wurde

Die Steuerung von mehrstufigen Robotern ist mit vielen Einschränkungen verbunden. Die Diffusions-CCSP-Methode (im Video unten gezeigt) findet effizient eine Lösung, indem sie diese durch Funktionsoptimierung verbessert. Anstatt zu raten, werden Diffusionsmodelle verwendet, um die Randbedingungen zu optimieren. Diese Methode wird in Simulationen trainiert und kann Probleme mit mehr Objekten und Beschränkungen als bisher behandeln.

Die Forscher planen, die Möglichkeit zu untersuchen, diese Methode in komplexeren Situationen und bei Robotern anzuwenden, die sich in einem Raum bewegen können, ohne auf neue Daten trainiert zu werden. Dieser Ansatz eröffnet die Möglichkeit, effizientere und zuverlässigere autonome Systeme für eine Vielzahl von Anwendungen zu entwickeln.

Warum das wichtig ist.

Mit den am MIT entwickelten neuen Methoden können Roboter komplexe Aufgaben, wie z. B. das Verpacken, besser bewältigen. Mit Hilfe der künstlichen Intelligenz lernen sie, Probleme zu vermeiden und den Raum effizient zu nutzen. Das ist sehr wichtig, denn jetzt können Roboter nicht nur in Lagerhäusern, sondern auch zu Hause helfen. Sie werden auch in der Lage sein, komplexere Aufgaben zu erfüllen, bei denen sich alles um sie herum ständig verändert.

Quelle: mit.edu