Robots spelen nu ook Jenga

En ze zijn er behoorlijk goed in!

Amerikaanse onderzoekers hebben een robot ontwikkeld met een indrukwekkende fijne motoriek, waardoor deze een waardige tegenstander is tijdens een potje Jenga.

Het is niet voor het eerst dat onderzoekers een kunstmatig systeem presenteren dat wel raad weet met door mensen bedachte spellen. Eerder waren er bijvoorbeeld al supercomputers die zelfs de beste menselijke schaakspelers te slim af waren. En ook het bordspel Go is tegenwoordig het domein van kunstmatige intelligentie. In het blad Science Robotics melden onderzoekers nu dat robots in principe ook niet terug hoeven te deinzen voor een potje Jenga. En dat is toch wel even iets anders dan schaken of Go. “In tegenstelling tot puur cognitieve taken of spellen zoals schaken of Go, vereist Jenga ook dat je bepaalde fysieke vaardigheden onder de knie hebt, zoals het aftasten, duwen, trekken, verplaatsen en uitlijnen van blokjes.”

Sensor en camera
Voor ons mensen is het spel Jenga vaak al een hele – stressvolle – opgave. We moeten goed kijken en – terwijl we een blokje weghalen – goed voelen wat de toren doet om te voorkomen dat we deze omgooien. Een robot zover krijgen dat deze het spel onder de knie krijgt, is zo mogelijk nog lastiger. Maar toch is dat exact wat onderzoekers van het Massachusetts Institute of Technology hebben gedaan. Het resultaat is een robot – of beter gezegd: een robotarm – die – dankzij twee zachte vingers, een drukgevoelige sensor en een camera – de Jenga-toren kan zien en kan ‘voelen’ wat manipulatie van een blokje met de toren doet.

Hoe dan?
Normaal gesproken maken onderzoekers wanneer ze een robot een nieuwe vaardigheid willen leren, vaak gebruik gemaakt van ‘machine learning’. Ze laten de robot de taak duizenden of zelfs tienduizenden keren uitvoeren en gaandeweg leert de robot hoe hij dat – onder verschillende omstandigheden – het beste kan doen. In principe had de robotarm zo ook grip kunnen krijgen op het spel Jenga. Alleen had deze dan misschien wel tienduizenden keren op rij een blokje uit de toren moeten trekken om alle mogelijke situaties te verkennen. De onderzoekers hebben dat weten te omzeilen. Ze stoomden de robot klaar voor het echte werk door deze slechts 300 blokjes uit de toren te laten halen. Tijdens elke poging verzamelde zowel de camera als sensor data. Die data werden opgeslagen, net als het feit of de poging om een blokje uit de toren te halen, geslaagd was of niet. Vervolgens werden ervaringen die behoorlijk op elkaar leken geclusterd. Zo was er bijvoorbeeld een cluster data over blokjes die lastig te verplaatsen waren of over blokjes die juist heel gemakkelijk uit de toren te halen waren. Voor elk datacluster ontwikkelde de robot een eenvoudig model dat deze kon gebruiken om – op basis van visuele en tactiele informatie die tijdens een volgende poging werd verzameld – het ‘gedrag’ van het blokje te voorspellen. In andere woorden: afgaand op zijn eerdere ervaringen kon de robot door een blokje te bekijken en te bevoelen vaststellen hoe dit blokje het best uit de toren kon worden gehaald. “De robot bouwt clusters en leert vervolgens modellen voor elk van deze clusters, in plaats van een model te leren dat absoluut alles wat er kan gebeuren, omvat,” aldus onderzoeker Nima Fazeli.

Strategie
Experimenten met de robotarm zijn veelbelovend. Onderzoekers vroegen zowel mensen als de robot om zoveel mogelijk blokjes uit een Jenga-toren te halen. En ze scoorden ongeveer even goed. Toch wil dat nog niet zeggen dat de robot je tijdens een potje Jenga kan verslaan. Wanneer de robot tegen een mens speelt, moet hij immers ook nadenken over een strategie en juist die blokjes weghalen die het voor de tegenstander lastig maken om het volgende blokje eruit te trekken.

Nima en collega’s zijn echter niet zo geïnteresseerd in het ontwikkelen van een robotische Jenga-kampioen die zelfs met de beste menselijke Jenga-spelers de vloer aanveegt. Ze zien andere toepassingen voor zich. Zo zouden robots met een fijne motoriek en die afgaan op wat ze zien en voelen, van pas kunnen komen in fabrieken waar kleine apparaten – zoals smartphones – in elkaar worden gezet.

Bronmateriaal

"MIT robot combines vision and touch to learn the game of Jenga" - MIT
Afbeelding bovenaan dit artikel: MIT

Fout gevonden?

Voor jou geselecteerd