Τα ρομπότ έχουν μάθει να αρπάζουν και να μετακινούν αντικείμενα με ευκολία

Η αυτοματοποίηση των εργασιών της αποθήκης μπορεί να είναι δύσκολη. Πολλές ενέργειες που έρχονται φυσικά στους ανθρώπους είναι στην πραγματικότητα

είναι πραγματικά μια μεγάλη πρόκληση γιαρομπότ. Για παράδειγμα, να αποφασίσετε πού και πώς θα βρείτε διαφορετικούς τύπους αντικειμένων. Ο περαιτέρω συντονισμός των κινήσεων των ώμων, των χεριών και των καρπών είναι επίσης σημαντικός για τη μετακίνηση του καθενός από το ένα μέρος στο άλλο. Επιπλέον, οι κινήσεις του ρομπότ είναι πιο απότομες, γεγονός που αυξάνει τον κίνδυνο ζημιάς τόσο σε αντικείμενα όσο και σε ρομπότ.

«Οι αποθήκες εξυπηρετούνται κυρίωςάνθρωποι, επειδή τα ρομπότ έχουν ακόμα έναν πολύ δύσκολο χρόνο να συλλάβουν αξιόπιστα πολλά διαφορετικά αντικείμενα, εξηγεί ο Ken Goldberg, ανώτερος συγγραφέας της μελέτης. - Σε μια γραμμή συναρμολόγησης αυτοκινήτων, η ίδια κίνηση επαναλαμβάνεται ξανά και ξανά, ώστε να μπορεί να αυτοματοποιηθεί. Αλλά στην αποθήκη, όλες οι παραγγελίες είναι διαφορετικές. "

Βίντεο που δείχνει τη λειτουργία ενός ρομποτικού χειριστή αποθήκης με κίνηση πριν και μετά την εφαρμογή ενός βαθιού νευρικού δικτύου. Πίστωση: Ichnowski et al.

Σε παλαιότερη εργασία, ο Goldberg και η επιστημονικήΟ ερευνητής του UC Berkeley, Jeffrey Ichnovsky, δημιούργησε ένα πρόγραμμα σχεδίασης κίνησης βελτιστοποιημένο για σύλληψη. Ωστόσο, οι μηχανικοί δεν μπόρεσαν να κάνουν τις κινήσεις ομαλές. Αν και οι παράμετροι του λογισμικού προσαρμόστηκαν για να δημιουργηθεί ακριβώς αυτό, οι υπολογισμοί χρειάστηκαν κατά μέσο όρο περίπου μισή ώρα.

Σε μια νέα μελέτη των Goldberg και Ichnowski στοΗ συνεργασία με τον μεταπτυχιακό φοιτητή του UC Berkeley Yahav Avigal και τον φοιτητή Vishal Satish επιτάχυνε σημαντικά τον χρόνο υπολογισμού του προγραμματιστή κίνησης ενσωματώνοντας ένα νευρωνικό δίκτυο με βαθιά μάθηση.

Τα νευρωνικά δίκτυα επιτρέπουν στο ρομπότ να μάθει απόπαραδείγματα. Αργότερα, το ρομπότ μπορεί συχνά να γενικεύει παρόμοια αντικείμενα και κινήσεις. Ωστόσο, αυτές οι προσεγγίσεις δεν είναι πάντα αρκετά ακριβείς. Οι Goldberg και Ichnovsky διαπίστωσαν ότι η προσέγγιση που δημιουργείται από το νευρωνικό δίκτυο θα μπορούσε στη συνέχεια να βελτιστοποιηθεί χρησιμοποιώντας έναν προσαρμοσμένο χρονοπρογραμματιστή. Συνδυάζοντας το νευρωνικό δίκτυο με τον σχεδιαστή κίνησης, η ομάδα μείωσε τον μέσο χρόνο υπολογισμού από 29 δευτερόλεπτα σε 80 χιλιοστά του δευτερολέπτου. 

Οι συγγραφείς της μελέτης είναι βέβαιοι ότι χάρη σε αυτόΚαι άλλες προόδους, τα ρομπότ θα μπορούν σύντομα να βοηθήσουν τους εργαζόμενους στην αποθήκη «Αυτή είναι μια εξαιρετική νέα ευκαιρία για τα ρομπότ να υποστηρίξουν τους ανθρώπους», καταλήγει η Goldberg.

Διαβάστε επίσης

Οι νευρώνες στον ανθρώπινο εγκέφαλο και το δίκτυο γαλαξιών είναι παρόμοιοι

Λόγω της κίνησης των πλακών, ο πυθμένας του Ειρηνικού Ωκεανού βρίσκεται τώρα βαθιά κάτω από την Κίνα

Οι επιστήμονες χάραξαν μια ηλεκτρική σκούπα ρομπότ για να καταγράψουν τις συνομιλίες των χρηστών από απόσταση