Robotter har lært at gribe og flytte objekter med lethed

Automatisering af lageropgaver kan være udfordrende. Mange handlinger, der kommer naturligt for mennesker, er faktisk

er faktisk noget af en udfordring forrobotter. For eksempel at beslutte, hvor og hvordan man får forskellige typer genstande. Yderligere koordinering af bevægelserne af skuldre, arme og håndled er også vigtigt for at flytte hver af dem fra et sted til et andet. Derudover er robotbevægelser mere bratte, hvilket øger risikoen for skader på både genstande og robotter.

”Lagerhuse serviceres stadig hovedsageligtmennesker, fordi robotter stadig har en meget vanskelig tid pålideligt at få fat i mange forskellige objekter, forklarer Ken Goldberg, seniorforfatter af undersøgelsen. - På en bilsamlebånd gentages den samme bevægelse igen og igen, så den kan automatiseres. Men på lageret er alle ordrer forskellige. "

Video, der demonstrerer arbejdet med en lagerrobotarm med bevægelse før og efter anvendelsen af ​​et dybt neuralt netværk. Kredit: Ichnowski et al.

I tidligere arbejde, Goldberg og den videnskabeligeUC Berkeley-forsker Jeffrey Ichnovsky skabte en bevægelsesplanlægger, der var optimeret til at gribe. Ingeniørerne var dog ikke i stand til at gøre bevægelserne jævne. Selvom softwareparametrene blev justeret for at skabe præcis dette, tog beregningerne i gennemsnit omkring en halv time.

I en ny undersøgelse af Goldberg og Ichnowski iSamarbejde med UC Berkeley kandidatstuderende Yahav Avigal og studerende Vishal Satish fremskyndede bevægelsesplanlægningens beregningstid væsentligt ved at integrere et neuralt netværk med dyb læring.

Neurale netværk giver robotten mulighed for at lære afeksempler. Senere kan robotten ofte generalisere lignende objekter og bevægelser. Disse tilnærmelser er dog ikke altid nøjagtige nok. Goldberg og Ichnovsky fandt ud af, at tilnærmelsen genereret af det neurale netværk derefter kunne optimeres ved hjælp af en brugerdefineret skemalægger. Ved at kombinere det neurale netværk med bevægelsesplanlæggeren reducerede teamet den gennemsnitlige beregningstid fra 29 sekunder til 80 millisekunder. 

Forfatterne af undersøgelsen er overbevist om, at takket være detteog andre fremskridt, vil robotter snart være i stand til at hjælpe lagerarbejdere "Dette er en fantastisk ny mulighed for robotter til at støtte mennesker," slutter Goldberg.

Læs også

Neuroner i den menneskelige hjerne og netværket af galakser er ens

På grund af pladebevægelse er bunden af ​​Stillehavet nu dybt under Kina

Forskere hackede en robotstøvsuger for at fjernoptage brugernes samtaler