Sanctuary AI er begyndt at bruge NVIDIAs simulationsplatform Isaac Lab til at lære sin Phoenix-robots hænder at manipulere genstande mere fingerfærdigt. Hidtil har selskabet i høj grad øvet sine robotter på fysisk hardware. Nu flytter en del af træningen ind i en virtuel verden, hvor robothænderne kan prøve sig frem uden at slide på rigtigt metal, oplyser det canadiske selskab.
Ideen bag er reinforcement learning, en metode hvor en model lærer ved at prøve igen og igen og blive belønnet, når den nærmer sig det rigtige resultat. Det kræver et meget stort antal forsøg, og dér er fysiske robotter en flaskehals. Hvert greb tager tid, og hardware kan gå i stykker. I simulation kan de samme forsøg køre langt hurtigere og billigere. Sanctuary fremhæver netop, at platformen lader selskabet træne tusinder af hænder på én gang og dermed sætter tempoet på indlæringen markant op.
Pointen for Sanctuary er, at den slags træning passer til selskabets hydrauliske hænder. De har ifølge selskabet en bevægelighed, der rækker ud over, hvad en menneskehånd kan, blandt andet at sprede fingrene og flytte en genstand rundt inde i hånden. Den slags kan man ikke uden videre lære robotten ved at fjernstyre den, fordi et menneske ikke selv kan udføre bevægelserne og vise dem frem. Her kan en model i simulation i stedet finde sin egen vej til at udnytte hånden fuldt ud.
Sanctuary oplyser, at det med metoden har opnået, hvad selskabet kalder industriførende overførsel fra simulation til virkelighed af de indlærte gribefærdigheder. At træning i en simuleret verden også holder, når den samme færdighed skal udføres af en fysisk robot, er ikke nogen selvfølge, for små forskelle mellem model og virkelighed kan vælte et greb. Hvor godt overførslen fungerer uden for selskabets egne forsøg, melder meddelelsen ikke noget om. Simulationstræningen er endnu et skridt i Sanctuarys arbejde med at gøre Phoenix’ hænder fingerfærdige.
