Miksi humanoidin on vaikea tarttua liikkuviin esineisiin: VLA:n kehittäminen dynaamisiin ympäristöihin

MTC Web Servicesin ML-insinööri Danija selittää, miksi humanoidirobottien on vaikeaa työskennellä dynaamisessa ympäristössä, kuten silloin kun esineet liikkuvat kuljetinhihnalla. Staattisissa olosuhteissa nykyaikaiset vision-language-action -mallit eli VLA-mallit osoittavat korkeaa ohjauslaatua, mutta dynaamisessa ympäristössä ilmenee kolme keskeistä ongelmaa: viive havainnon ja toiminnon välillä (kamerakuva, käsittely ja komennon lähetys kestävät kymmeniä millisekunteja, joiden aikana kohde ehtii siirtyä), ennalta laskettujen toimintajaksojen (action chunk) vanheneminen sekä tiedon puute yksittäistä kuvaa analysoitaessa (liikkeen nopeutta ja suuntaa ei voi määrittää). Näiden ongelmien ratkaisemiseksi mallit siirtyvät analysoimaan kuvasarjoja, päivittämään toimintoja jatkuvasti ja ottamaan huomioon fyysiset signaalit (nivelten asennot, tuntoaistidata). Humanoidi on monimutkaisempi kuin paikallaan oleva käsivarsi, koska käden liike vaikuttaa vartalon tasapainoon; tarvitaan koko kehon ohjausta (whole-body control), joka yhteensovittaa käsien, vartalon ja jalkojen liikkeet. MWS:n tutkimus- ja kehitysyksikössä kehitetään koko kehon dynaamista VLA-mallia RLDX-1-arkkitehtuurin pohjalta, joka käsittelee useita tietovirtoja (liike, konteksti, fysiikka, toiminnot) ja toimii Unitree G1 -humanoidin kanssa. Tavoitteena on opettaa robotti poimimaan osia kuljetinhihnalta ennustamalla niiden liikeradan, synkronoimalla liikkeet ja säilyttämällä tasapaino.