A Taxonomy of Construction Task Activities for Robot Workers
Dit artikel introduceert TARCAT, een menselijk interpreteerbare taxonomie van 41 constructie-actieprimitieven afgeleid van beroepsgegevens en instructievideo's, ontworpen om de analyse van menselijk werk te standaardiseren en de ontwikkeling van algemene robotwerkers mogelijk te maken door middel van herbruikbare, samengestelde vaardigheden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Om de uitdaging te begrijpen van het aanleren van het bouwen van een huis aan een robot, moet men eerst het verschil begrijpen tussen een machine die een enkel commando opvolgt en een werker die een taak begrijpt. Moderne robots zijn vaak als hooggespecialiseerde specialisten die één perfecte beweging kunnen uitvoeren, zoals het lassen van een naad of het schilderen van een enkele wand, maar ze worstelen wanneer de omgeving verandert of wanneer een taak een opeenvolging van verschillende handelingen vereist. In de afgelopen jaren is er een nieuw type kunstmatige intelligentie opgekomen dat een afbeelding kan zien, een zin kan begrijpen en een fysieke handeling kan beslissen, wat een pad biedt naar machines die zich aan nieuwe situaties kunnen aanpassen. Echter, voor de bouw, waar materialen, gereedschappen en locaties enorm variëren, is het hebben van een slim brein alleen niet genoeg. De robot heeft een duidelijke, gedeelde taal nodig om precies te beschrijven wat hij moet doen, door complexe menselijke taken op te delen in kleine, leerbare stukjes die gecombineerd kunnen worden. Zonder deze woordenschat kan een robot niet weten wat hij in staat is om te leren of wat hij mist.
Dit is het probleem dat een team onderzoekers aan de University of California, Irvine, probeerde op te lossen met een nieuw raamwerk genaamd TARCAT. In plaats van te gokken wat een bouwrobot zou moeten doen, begon het team bij de mensen die het werk daadwerkelijk uitvoeren. Ze analyseerden de officiële functieomschrijvingen van zeven van de meest voorkomende bouwberoepen in de Verenigde Staten, waaronder timmerlieden, elektriciens, dakdekkers en arbeiders. Deze beschrijvingen, die afkomstig zijn uit een overheidsdatabase die wordt gebruikt om de economie te volgen, bevatten honderden specifieke taken die mensen dagelijks uitvoeren. De onderzoekers keken vervolgens naar dertig instructievideo's van deze werkers in actie, waarbij ze elke beweging en elke beslissing die de mensen maakten zorgvuldig mappen aan de officiële functieomschrijvingen. Vanuit deze diepe duik in de echte arbeid extraheerden zij een precieze inventaris van achtenveertig basisacties, die zij "primitives" noemen.
Deze primitives zijn de bouwstenen van het bouwwerk. Ze zijn niet gebonden aan een specifiek beroep of een specifiek gereedschap, maar aan de fundamentele fysieke of mentale capaciteit die nodig is om iets gedaan te krijgen. Bijvoorbeeld, de handeling van het "meten" is een primitive die van toepassing is, of een werker nu een rolmaat gebruikt om een muur te controleren of een drukmeter om een leiding te controleren. Op dezelfde manier is "communiceren" een primitive die zowel het praten met een collega als het opschrijven van een rapport omvat. De onderzoekers organiseerden deze achtenveertig acties in drie hoofdcategorieën: informatieverwerking, wat het begrijpen van plannen en het controleren van condities omvat; communicatie, dat praten en signaleren dekt; en gereedschapsgebruik, dat alles omvat van de fijne bewegingen van vingers tot het zware tillen van het hele lichaam. Door deze acties op deze manier te definiëren, creëerde het team een systeem waarbij een robot een enkele vaardigheid, zoals het "aandraaien van een schroef", kan leren en kan begrijpen dat deze is opgebouwd uit kleinere, herbruikbare onderdelen zoals het "grijpen van het gereedschap", het "positioneren van de hand" en het "draaien van de pols".
De kracht van dit systeem ligt in de manier waarop deze kleine acties worden gecombineerd. De onderzoekers lieten zien dat door deze primitives in een specifieke volgorde aan elkaar te rijgen, een robot een "vaardigheid" kan vormen die een subdoel bereikt, zoals het loskoppelen van een draad of het bevestigen van een tegel. Deze vaardigheden kunnen vervolgens worden gemengd en gecombineerd om complexe procedures voor volledige bouwtaken te creëren. Om te bewijzen dat deze abstracte lijst van acties ook daadwerkelijk in de echte wereld kon werken, testte het team vier van deze gereedschapsgebruik-primitives op een fysieke robotarm uitgerust met een behendige hand. Ze slaagden erin de machine te programmeren om een accuschroevendraaier te positioneren, een hamer in een doos te plaatsen, een spijker in te slaan en objecten opzij te vegen. Deze demonstraties bevestigden dat de taxonomie niet slechts een theoretische lijst is, maar een reeks instructies die een machine fysiek kan uitvoeren.
Het uiteindelijke doel van TARCAT is om een gemeenschappelijke taal te bieden die robots in staat stelt om te leren van menselijke demonstraties en om softwareagenten te helpen uitzoeken hoe ze nieuwe vaardigheden kunnen opbouwen. Als een robot moet leren hoe hij een dak moet installeren, hoeft hij niet vanaf nul te worden onderwezen; in plaats daarvan kan hij de bekende vaardigheden voor meten, snijden en bevestigen ophalen en deze in een nieuwe sequentie samenstellen. De onderzoekers erkennen dat hun huidige werk slechts zeven beroepen en een beperkt aantal video-voorbeelden beslaat, waardoor het systeem nog niet compleet is. Echter, door hun werk te funderen in de werkelijke taken van menselijke werkers, hebben zij een stabiel fundament gelegd voor de ontwikkeling van algemene bouwrobots die uiteindelijk de rommelige, variabele en complexe realiteit van bouwplaatsen kunnen aan.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.