UTDSINieuwsMyoChallenge: machine learning challenge over digitale handen

MyoChallenge: machine learning challenge over digitale handen

In samenwerking met het Artificial Intelligence Lab van Meta (Facebook) hebben onderzoekers van de Universiteit Twente nieuwe open-source software met de naam MyoSuite ontwikkeld. De onderzoekers dagen iedereen die zich bezighoudt met AI of machine learning uit om MyoSuite te gebruiken. Het gaat hierbij om de ontwikkeling van controllers die het mogelijk maken met een realistische digitale hand taken uit te voeren die behendige manipulatie vereisen. Deze machine learning challenge word door de UT uitgeschreven en gesponsord door het Technisch Medisch Centrum en DSI. 

De MyoChallenge bestaat uit twee onderdelen. De eerste uitdaging is de digitale hand een dobbelsteen te laten omdraaien, om de gewenste nauwkeurigheid te bereiken. “De manipulatie van een enkel object lijkt eenvoudig, maar deze taak vereist een nauwkeurige aansturing van verschillende spieren om de dobbelsteen op de juiste manier te kunnen omdraaien zonder hem te laten vallen”, zegt dr. Guillaume Durandau, een van de initiatiefnemers van de challenge.

In het tweede onderdeel laten de deelnemers twee ballen om elkaar heen draaien in de handpalm. “Gelijktijdige rotatie van twee ballen is nog complexer. Dat vereist niet alleen behendigheid, zoals in het eerste onderdeel, maar ook een hoge mate van coördinatie”, legt dr. Durandau uit.

Twee fasen

De challenge is verdeeld in twee fasen: een open fase en een play-off fase. Iedereen kan deelnemen aan de open fase, waarbij iedere deelnemer maximaal vijf oplossingen per dag mag indienen. Deze fase is nu geopend en loopt tot 20 oktober. Alle deelnemers worden automatisch gerangschikt op een scorebord en de topscorers gaan door naar de play-off fase.

In de play-off fase dienen de deelnemers hun drie beste oplossingen in, die vervolgens worden getest in een nieuwe omgeving. Dit betekent dat de organisatoren de oplossingen gaan testen onder nieuwe fysieke omstandigheden, bijvoorbeeld met ballen die meer stuiteren. Dr. Durandau: “We willen de ingediende oplossingen echt op de proef stellen. We gaan de moeilijkheidsgraad van de tweede fase ook afstemmen op de resultaten uit de eerste fase.”

Deelnemen aan de MyoChallenge?
Meer info

Meer informatie

De play-off fase eindigt op 28 oktober. De resultaten worden bekendgemaakt op NeurIPS 2022, de belangrijkste conferentie over machine learning. Meer informatie over de challenge en over deelname aan de challenge is beschikbaar op de website van MyoChallenge. Updates worden bekendgemaakt via het Twitteraccount van de challenge (@MyoChallenge). De MyoChallenge bouwt voort op MyoSuite. MyoSuite ondersteunt de co-simulatie van AI-gestuurde musculoskeletale systemen die fysieke interactie hebben met assisterende robots zoals exoskeletten.

De challenge wordt georganiseerd door dr. Guillaume Durandau, dr. Huawei Wang en prof. Massimo Sartori van de UT, dr. Vittorio Caggiano en dr. Vikash Kumar van Meta AI, dr. Seungmoon Song van Northeastern University en dr. Yuval Tassa van DeepMind.

drs. M.M.J. van Hillegersberg - Hofmans (Martine)
Persvoorlichter (aanwezig, ma, di, do)