Automatizace skladových úkolů může být složitá.
"Sklady jsou stále obsluhovány hlavně."lidé, protože roboti mají stále velmi obtížné spolehlivě popadnout mnoho různých předmětů, vysvětluje Ken Goldberg, hlavní autor studie. - Na automobilové montážní lince se stále opakuje stejný pohyb, takže jej lze automatizovat. Ale ve skladu jsou všechny objednávky jiné. “
Video předvádějící činnost manipulátoru skladového robota s pohybem před a po aplikaci hluboké neurální sítě. Uznání: Ichnowski et al.
V dřívější práci Goldberg a postdoktorandský výzkumník z UC Berkeley Jeffrey Ichnowski vytvořili plánovač pohybu optimalizovaný pro uchopení.Inženýři však nedokázali zajistit plynulý pohyb. Přestože nastavení softwaru bylo nakonfigurováno tak, aby vytvářelo právě toto, výpočty trvaly v průměru asi půl hodiny.
V nové studii Goldberg a Ichnowski vSpolupráce s postgraduálním studentem UC Berkeley Yahavem Avigalem a studentem Vishalem Satishem významně urychlila výpočetní dobu plánovače pohybu integrací neurální sítě s hlubokým učením.
Neuronové sítě umožňují robotovi učit se z příkladů.Tyto aproximace však nejsou vždy dostatečně přesné.Goldberg a Ichnowski zjistili, že aproximace generovaná neuronovou sítí by pak mohla být optimalizována pomocí speciálního plánovače. Kombinací neuronové sítě s plánovačem pohybu tým snížil průměrnou dobu výpočtu z 29 sekund na 80 milisekund.
Autoři studie jsou přesvědčeni, že díky tomuto a dalším pokrokům budou roboti brzy schopni "Je to skvělá nová příležitost pro roboty, aby podpořili lidi," uzavíráGoldberg.
Přečtěte si také
Neurony v lidském mozku a síti galaxií jsou podobné
Díky pohybu talířů je nyní tichomořský oceán hluboko pod Čínou
Vědci hackli robotický vysavač, aby mohli vzdáleně zaznamenávat uživatelské konverzace