Varastotehtävien automatisointi voi olla hankalaa.
”Varastoja huolletaan edelleen pääosinihmisiä, koska robotteilla on edelleen hyvin vaikea aika luotettavasti kaapata monia erilaisia esineitä, kertoo tutkimuksen vanhempi kirjoittaja Ken Goldberg. - Autojen kokoonpanolinjalla sama liike toistuu yhä uudelleen, jotta se voidaan automatisoida. Mutta varastossa kaikki tilaukset ovat erilaiset. "
Video, joka osoittaa varastorobotin manipulaattorin toiminnan liikkeellä ennen syvän neuroverkon levittämistä ja sen jälkeen. Luotto: Ichnowski et ai.
Aiemmassa työssään Goldberg ja UC Berkeleyn tutkijatohtori Jeffrey Ichnowski loivat tarttumisoptimoidun liikesuunnittelijan.Insinöörit eivät kuitenkaan onnistuneet tekemään liikkeistä sujuvia. Vaikka ohjelmistoasetukset oli määritetty luomaan juuri tämä, laskelmat kestivät keskimäärin noin puoli tuntia.
Goldbergin ja Ichnowskin uudessa tutkimuksessa vuonnaYhteistyö UC Berkeleyn jatko-opiskelijan Yahav Avigalin ja opiskelija Vishal Satishin kanssa nopeutti merkittävästi liikesuunnittelijan laskenta-aikaa integroimalla hermoverkko syvään oppimiseen.
Neuroverkkojen avulla robotti voi oppia esimerkeistä.Nämä likiarvot eivät kuitenkaan aina ole riittävän tarkkoja.Goldberg ja Ichnowski havaitsivat, että neuroverkon tuottama approksimaatio voitaisiin sitten optimoida käyttämällä erityistä ajastinta. Yhdistämällä neuroverkon liikesuunnittelijaan tiimi lyhensi keskimääräistä laskenta-aikaa 29 sekunnista 80 millisekuntiin.
Tutkimuksen tekijät ovat vakuuttuneita siitä, että tämän ja muiden edistysaskeleiden ansiosta robotit pystyvät pian "Tämä on roboteille hieno uusi mahdollisuus tukea ihmisiä", toteaaGoldberg.
Lue myös
Ihmisen aivojen neuronit ja galaksiverkosto ovat samanlaisia
Levyn liikkeen vuoksi Tyynenmeren pohja on nyt syvällä Kiinan alla
Tutkijat ovat hakkeroineet robottipölynimurin tallentaakseen käyttäjien keskusteluja etänä