NVIDIA เปิดห้องปฏิบัติการเพื่องานวิจัยเกี่ยวกับหุ่นยนต์ใน Seattle โดยมีเป้าหมายหลักเพื่อการพัฒนาหุ่นยนต์ให้สามารถทำงานร่วมกับคนได้อย่างปลอดภัยและมีประสิทธิภาพ

ศูนย์วิจัยแห่งนี้จะเป็นที่ทำงานของนักวิทยาศาสตร์เกือบ 50 คน และเป็นแหล่งเรียนรู้ รวมทั้งเป็นที่ฝึกงานของนักเรียนนักศึกษา ภายในห้องปฏิบัติการนี้ถูกออกแบบมาเพื่อจำลองพื้นที่ปฏิบัติงานและสถานการณ์ที่จะใช้งานหุ่นยนต์เพื่อการทำงานร่วมกับคน ซึ่งแรกเริ่มนี้เป็นการจำลองพื้นที่การทำงานภายในห้องครัว โจทย์ของงานวิจัยพัฒนาก็คือการทำให้หุ่นยนต์สามารถเป็นผู้ช่วยงานครัว ทั้งเรื่องช่วยเปิดตู้หรือเปิดลิ้นชัก เพื่อหยิบจับสิ่งของต่างๆ มาส่งยื่นให้ หรือช่วยในขั้นตอนการปรุงและประกอบอาหาร

ภาพจาก NVIDIA Developer News Center

ตัวหุ่นยนต์ทำงานโดยใช้ ระบบจำลองภาพที่อาศัย deep learning ทำให้หุ่นยนต์ตรวจจับวัตถุสิ่งของต่างๆ ได้ด้วยการอ้างอิงจากการจำลองภาพของมันโดยไม่จำเป็นต้องอาศัยการติดฉลากกำกับเพื่อบอกหุ่นยนต์ว่าสิ่งของแต่ละอย่างที่อยู่รอบมันคืออะไร

NVIDIA ใช้หลายเทคโนโลยีมาร่วมกัน ได้แก่

• DART (Dense Articulated Real-Time Tracking) เป็นการใช้กล้องตรวจจับความลึกของภาพเพื่อติดตามสภาพแวดล้อมโดยรอบหุ่นยนต์ โดยหลักแล้วจะตรวจจับติดตามตำแหน่งวัตถุของแข็ง เป็นต้นว่า แก้วกาแฟ หรือกล่องอาหาร รวมทั้งวัตถุอื่นที่พบเห็นได้ทั่วไปในบ้าน อาทิ เครื่องเรือน, อุปกรณ์ทำครัวต่างๆ ตลอดจนร่างกายคน และตัวชิ้นส่วนของหุ่นยนต์เองด้วย
• Pose-CNN: 6D Object Pose Estimation การตรวจจับตำแหน่งและการจัดวางตัวของวัตถุแบบ 6 มิติ แม้ในสภาพแสงตกกระทบวัตถุแตกต่างกันซึ่งเป็นผลจากสภาพการจัดเรียงวางไว้ข้างเคียงกับวัตถุอื่น (เช่นมีเงาของวัตถุอื่นมาตกกระทบ หรือการบดบังกัน) เป็นเทคโนโลยีที่ใช้ deep learning มาเทรนให้หุ่นยนต์สามารถตรวจจับวัตถุได้โดยอาศัยภาพจากกล้องธรรมดา
• RMPs (Riemannian Motion Policies) for Reactive Manipulator Control ระบบควบคุมปฏิกิริยาการเคลื่อนไหวที่อาศัยการคำนวณทางคณิตศาสตร์มาผนวกการเคลื่อนไหวในระดับพื้นฐานเพื่อสร้างรูปแบบพฤติกรรมการเคลื่อนไหวที่ซับซ้อนยิ่งขึ้นให้แก่หุ่นยนต์ โดย RMPs จะช่วยให้การสร้างโปรแกรมเพื่อนำข้อมูลที่ได้จาก DART และ Pose-CNN มาใช้สั่งการให้หุ่นยนต์ตอบสนองได้อย่างปลอดภัยและเหมาะสมนั้นเป็นไปได้อย่างรวดเร็วและมีประสิทธิภาพมากยิ่งขึ้น
• Physics-based Photorealistic Simulation ระบบจำลองสภาพแวดล้อม โดยจำลองทั้งลักษณะที่ปรากฎ, แรงกระทำ และการสัมผัสกันของวัตถุและการเคลื่อนที่ของหุ่นยนต์ ซึ่งช่วยให้การเทรนหุ่นยนต์นั้นสามารถทำในสภาพแวดล้อมจำลอง โดยลดค่าใช้จ่ายและเวลาได้มากกว่าการเทรนหุ่นยนต์ด้วยวัตถุจริงและสภาพแวดล้อมจริงทั้งหมด

การพัฒนาให้หุ่นยนต์ทำงานร่วมกับคนโดยยกเอาสถานการณ์พื้นที่ทำงานเป็นครัวนั้น แตกต่างจากการใช้งานหุ่นยนต์ในโรงงานอุตสาหกรรมหรือสายการผลิตต่างๆ อยู่มาก พื้นที่ปฏิบัติงานในครัวนั้นจะเรียกร้องการทำงานและการตอบสนองของหุ่นยนต์ให้เป็นไปอย่างเป็นธรรมชาติมากกว่าสภาพแวดล้อมในโรงงานอุตสาหกรรม ตัวหุ่นยนต์จะต้องรู้จักวัตถุสิ่งของต่างๆ หลากหลายประเภท ไม่จำกัดว่าจะต้องรู้จักแยกแยะเพียงสิ่งที่ถูกกำหนดมาให้เข้าสู่พื้นที่ทำงานของมันดังเช่นที่มีการควบคุมในสายการผลิตภายในโรงงานอุตสาหกรรม

หากห้องปฏิบัติการวิจัยของ NVIDIA นี้สามารถผลักดันเทคโนโลยีของหุ่นยนต์ให้สามารถทำงานร่วมกับมนุษย์ในครัวได้ ก็น่าจะสามารถปรับปรุงหุ่นยนต์ในสถานการณ์จำลองและพื้นที่ทำงานจำลองอื่นๆ และอาจช่วยเพิ่มความสามารถใหม่ๆ แก่หุ่นยนต์ให้ตอบโจทย์การใช้งานของคนโดยลดความรู้สึกแปลกแยกหรือหวาดกลัวหุ่นยนต์ได้ดียิ่งขึ้น

ที่มา - Interesting Engineering, Hackadays