מה השאלה כאן, ולמה היא לא מובנת מאליה
אחיזה רובוטית (Robotic Grasping) היא תחום המחקר שעוסק בשאלה כיצד לגרום לרובוט לתפוס בבטחה עצם שלא ראה קודם — בלי למעוך אותו ובלי להפיל אותו. אדם עושה זאת בלי לחשוב, ולכן קל להחמיץ כמה החלטות נדרשות: היכן להניח את האצבעות, מאיזה כיוון להתקרב, כמה חזק ללחוץ, ומתי לוותר ולנסות שוב. השדה עוסק בהחלטות האלה, לא בזרוע עצמה ולא במנוע שמזיז אותה.
ארבעה דברים שהופכים עצם לא-מוכר לקשה
הקושי מתחלק לארבעה. צורה: הרובוט רואה בדרך-כלל רק את הצד הפונה אליו, וצריך להשלים בניחוש את מה שיש מאחור. מרקם: משטח חלקלק דורש כוח אחר ממשטח מחוספס. קשיחות: אותה לחיצה שמרימה גוש מתכת מועכת אפרסק. וכוחות-המגע עצמם: ברגע שהאצבעות נוגעות העצם זז מעט, ומה שהיה נכון רגע קודם כבר אינו נכון. סקירת-מחקר מ-2022 מגדירה את המשימה כאחיזת עצם בכל שש דרגות-החופש — כלומר גם המיקום וגם הזווית שממנה מתקרבים.
הגישה הראשונה: לחשב אחיזה מתוך מודל
הגישה הוותיקה נשענת על מודל גאומטרי ופיזיקלי של העצם ועל מדדים אנליטיים שמדרגים כמה אחיזה נתונה יציבה. היא עובדת היטב כשהעצם מוכר ומדוד, ופחות טוב כשהוא חדש או מוסתר חלקית — כלומר בדיוק במצב שבו רובוט פוגש חפצים אמיתיים. אותה סקירה מ-2022 ממיינת את הגישות הלומדות שבאו אחריה לארבע משפחות: דגימה של אחיזות אפשריות ודירוגן, רגרסיה ישירה שמנבאת את האחיזה, למידת חיזוק, וגישות המסתמכות על דוגמאות קודמות.
ללמוד מנתונים: המאגר הסינתטי של Dex-Net
מערכת Dex-Net 2.0, שפורסמה ב-2017, אימנה רשת עצבית לדירוג אחיזות על מאגר סינתטי של 6.7 מיליון ענני-נקודות, אחיזות ומדדי-איכות אנליטיים, שנוצרו מאלפי מודלים תלת-ממדיים. הסינתטי כאן הוא ענני-נקודות ומדדי-איכות מחושבים, לא הדמיה של פיזיקת-המגע. המערכת נוסתה על זרוע ABB YuMi ביותר מ-1,000 ניסויים; היא הגיעה ל-93% הצלחה על שמונה עצמים מוכרים בעלי גאומטריה מאתגרת במיוחד, ולדיוק של 99% — טעות-חיובית אחת מתוך 69 אחיזות שסווגו כיציבות — על מאגר של 40 חפצי-בית חדשים.
ללמוד מניסיון: 580 אלף ניסיונות על רובוטים אמיתיים
גישה אחרת ויתרה על הנתונים הסינתטיים ואספה ניסיון מהעולם. בעבודה של Google Research הופעלו שבעה רובוטים אמיתיים במשך 800 שעות-רובוט לאורך ארבעה חודשים, ונאסף מאגר של יותר מ-580 אלף ניסיונות אחיזה. עליו אומן QT-Opt — אלגוריתם למידה מבוזר שתומך במרחבי-פעולה רציפים, ולכן מתאים לבעיות רובוטיקה שבהן הפעולה אינה בחירה מתוך רשימה אלא תנועה במרחב. התוצאה: הצלחה ב-96% מניסיונות האחיזה, על פני 700 ניסיונות מבחן בעצמים שלא נראו קודם.
מה נלמד לבד, ומה עדיין פתוח
המדיניות שנלמדה גילתה התנהגויות שאיש לא תכנת. כשהוצגו בפניה קוביות משולבות שאי-אפשר להרים יחד, היא הפרידה אחת מהשאר; מול עצם שקשה לאחוז, היא מיקמה מחדש את התפסן ואחזה שוב עד שהאחיזה איתנה; וכשהוציאו לה בכוונה את העצם, היא מיקמה את התפסן מחדש לניסיון נוסף. ובכל זאת, אלה מספרים בהקשר תחום: אחיזה של חומרים רכים ומתעוותים — בד, מזון, נוזלים — נותרה קשה בהרבה מאחיזת חפצים קשיחים, ולכן זרוע שמרימה קרטון בקו-ייצור אינה בהכרח מקפלת חולצה; מאמר מ-2024 על מודל שמחבר ראייה, שפה ופעולה (VLA) כבר הדגים גם קיפול-בד ופינוי שולחן.