Dyna Robotics heeft een nieuw AI-model voor robots gepresenteerd dat is getraind met meer dan 1 miljoen uur aan videobeelden van mensen die alledaagse handelingen uitvoeren. Met DYNA-2 wil het Amerikaanse bedrijf robots sneller nieuwe taken leren, zonder daarvoor enorme hoeveelheden trainingsdata van robots zelf te hoeven verzamelen.
DYNA-2 leert onder meer van beelden die vanuit het perspectief van een persoon zijn opgenomen, bijvoorbeeld met een camera op het lichaam. Het model analyseert wat mensen zien, hoe ze bewegen en welke handelingen daarop volgen. Die kennis wordt vervolgens gebruikt om robots fysieke taken aan te leren.
Daarmee kiest Dyna Robotics voor een andere aanpak dan bij veel bestaande robotmodellen. Die worden voor een belangrijk deel getraind met gegevens van robots die door mensen op afstand worden bestuurd. Zulke gegevens verzamelen kost veel tijd en geld. Videobeelden van menselijke handelingen zijn daarentegen op veel grotere schaal beschikbaar.
Volgens Dyna Robotics worden de prestaties van robots duidelijk beter wanneer meer menselijke videobeelden worden gebruikt tijdens de training. Het bedrijf stelt dat kennis die het model opdoet door naar menselijke bewegingen te kijken, bovendien kan worden toegepast op verschillende soorten robots.
DYNA-2 is inmiddels getest met vaste robotarmen, prototypes van mensachtige robots en robothanden die afzonderlijke vingers kunnen bewegen. Voor het aanleren van een nieuwe taak heeft het model volgens het bedrijf vervolgens nog maar enkele uren aan specifieke trainingsgegevens nodig.
Bij een van de proeven leerde een robot met twee handen en vijf vingers per hand bijvoorbeeld hoe hij de dop van een fles moest draaien. Daarvoor waren slechts dertien minuten aan aanvullende trainingsgegevens nodig.
Ook bij vijftien andere testtaken zag Dyna Robotics dat meer videomateriaal tijdens de training tot betere resultaten leidde. Bij productietaken die grote nauwkeurigheid vereisen, steeg het percentage succesvol uitgevoerde opdrachten van ongeveer 20 procent naar 80 tot 90 procent. De hoeveelheid aanvullende trainingsdata bleef daarbij gelijk.
Dyna Robotics vergeleek DYNA-2 daarnaast met voorganger DYNA-1. In een reeks praktijktests voerden beide modellen 99,9 procent van de taken succesvol uit. Bij een strengere beoordeling van de kwaliteit van het geleverde werk presteerde DYNA-2 echter 1,55 keer beter.
Dat verschil was nog groter bij een andere praktijktest bij een klant, waarbij DYNA-2 zonder aanvullende training aan de slag ging. Daar voldeed 87 procent van het werk aan de gestelde kwaliteitseisen. Bij DYNA-1 was dat 46 procent, aldus het bedrijf.
Het nieuwe model kan volgens Dyna Robotics ook omgaan met onverwachte situaties. Tijdens taken als voedsel bereiden en een werkplek opruimen wist de robot zich bijvoorbeeld zelfstandig te herstellen wanneer hij tijdens het werk fysiek werd verstoord.
Door menselijke videobeelden onderdeel te maken van de training verbeterden de prestaties bij het opvolgen van instructies volgens Dyna Robotics met 133 procent ten opzichte van het eerdere uitgangspunt.
“Data over handelingen is schaars, maar video is overal”, zegt medeoprichter Jason Ma. Dyna Robotics wil die enorme hoeveelheid bestaand beeldmateriaal benutten om robots te leren hoe mensen zich in een fysieke omgeving bewegen en met voorwerpen omgaan. Daardoor hoeft het bedrijf veel minder trainingsgegevens met robots zelf te verzamelen.
Robots van Dyna Robotics met het eerdere DYNA-1-model worden al ingezet in hotels, restaurants en wasserettes. Voor toekomstige modellen wil het bedrijf de hoeveelheid videomateriaal voor de training opschalen van ruim 1 miljoen naar 10 miljoen uur.
