Boston Dynamics рассказала об обучении робота Atlas сложным задачам на производстве

В Boston Dynamics поделились тем, как человекоподобный робот Atlas учится выполнять сложные производственные задачи, требующие понимания геометрических и семантических свойств мира — то есть формы и контекста объектов, с которыми он взаимодействует. 

Для выполнения даже простых задач — например, когда нужно взять деталь автомобиля и положить её в нужный слот, — они разбиваются на несколько этапов, каждый из которых требует обширных знаний об окружающей среде. Сначала Atlas обнаруживает и идентифицирует объект (блестящие и металлические, либо малоконтрастные и тёмные). После выбора объекта робот решает, куда его поместить и каким образом доставить.

Наконец, Atlas необходимо точно разместить объект. Поэтому робот также должен уметь предпринимать корректирующие действия, когда что-то идёт не так. Например, он должен искать и подбирать упавшую часть с земли.

Эти проблемы требуют новых методов и напрямую влияют на конструкцию системы восприятия Atlas, которая включает хорошо откалиброванные датчики и элементы кинематики, современные модели машинного обучения и оценки состояния. 

Изначально система обнаружения 2D-объектов предоставляет роботу информацию в виде идентификаторов, ограничивающих рамки и точки интереса. Таким образом Atlas понимает тип и занимаемый объектами объём, чтобы избежать столкновений с ними. Наряду с обнаружением и идентификацией робот воспринимает их углы как ключевые точки. Это 2D-пиксельные точки, которые бывают двух видов: внешние (зелёные) и внутренние (красные). Внешние захватывают оболочку приспособления. Внутренние более многочисленны и разнообразны, они захватывают внутреннее распределение полок и отсеков внутри конкретного приспособления. Они дают возможность точно локализовать отдельные слоты.

Для