Onderzoekers van MIT en NVIDIA hebben een nieuw planningssysteem voor robots ontwikkeld waarmee complexe manipulatieopdrachten binnen enkele seconden kunnen worden opgelost. Deze aanpak, gepresenteerd tijdens de Robotics: Science and Systems Conference, combineert parallelle verwerking en optimalisatietechnieken om taak- en bewegingsplanning (TAMP) voor robots in dynamische omgevingen – zoals magazijnen of productielijnen – aanzienlijk te versnellen.
Het nieuwe algoritme, genaamd cuTAMP, speelt in op de hoge rekenkundige eisen van robotmanipulatie door duizenden mogelijke bewegingsplannen gelijktijdig te evalueren. In tegenstelling tot traditionele systemen, die één actie per keer simuleren, genereert en optimaliseert cuTAMP een breed scala aan potentiële oplossingen parallel met behulp van grafische processoren (GPU’s). Hierdoor kunnen robots snel bepalen hoe zij objecten kunnen oppakken, verplaatsen en positioneren, met inachtneming van bijvoorbeeld botsingsvermijding en oriëntatie van het object.
“Dankzij het gebruik van GPU’s zijn de kosten voor het optimaliseren van één oplossing gelijk aan die voor het optimaliseren van honderden of duizenden,” zegt William Shen, hoofdauteur en promovendus aan MIT. “Dit is cruciaal in omgevingen waar snelheid direct van invloed is op de operationele efficiëntie.”
Om de prestaties van cuTAMP te demonstreren, testte het team het systeem op Tetris-achtige blokverpakkingsopdrachten. In simulaties vond het systeem binnen enkele seconden succesvolle, botsingsvrije oplossingen. Bij tests met fysieke robotarmen – zowel bij MIT als NVIDIA – leverde het algoritme consequent resultaten op binnen 30 seconden. Het systeem maakt geen gebruik van trainingsdata, wat betekent dat het direct inzetbaar is in nieuwe omgevingen en voor nieuwe taken, zonder aanvullende leertrajecten.
cuTAMP combineert twee technieken: sampling, waarbij de zoekruimte wordt beperkt tot kansrijke oplossingsroutes, en geoptimaliseerde parallelverwerking, die deze opties verfijnt op basis van kostenfuncties voor bewegingshaalbaarheid en gebruikersdoelen. Door de zoekruimte doelgericht te beperken, convergeert het algoritme sneller naar een bruikbare planning.
“Dit soort algoritmes is bijzonder waardevol in industriële contexten, waar vertragingen in robotplanning directe financiële gevolgen kunnen hebben,” aldus Caelan Garrett, senior onderzoeker bij NVIDIA Research en coauteur van het onderzoek.
Hoewel de huidige toepassing gericht is op objectmanipulatie en verpakkingstaken, verwachten de onderzoekers dat het systeem breder inzetbaar is, bijvoorbeeld bij het gebruik van gereedschappen of montagewerkzaamheden. Toekomstige uitbreidingen richten zich op de integratie van taalmodellen en visuele redeneersystemen, waarmee robots mogelijk natuurlijke taalcommando’s kunnen begrijpen en meervoudige taken kunnen uitvoeren met minimale menselijke tussenkomst.
Het onderzoeksteam bestaat uit onderzoekers van MIT CSAIL, NVIDIA Research, de University of Utah en de University of Sydney.
