I robot hanno imparato ad afferrare e spostare gli oggetti con facilità

Automatizzare le attività di magazzino può essere impegnativo. Molte azioni che vengono naturali alle persone in realtà lo sono

sono in realtà una vera sfida perrobot. Ad esempio, decidere dove e come procurarsi diversi tipi di oggetti. È importante anche un'ulteriore coordinazione dei movimenti di spalle, braccia e polsi, necessaria per spostare ciascuno di essi da un luogo all'altro. Inoltre, i robot si muovono in modo più brusco, il che aumenta il rischio di danni sia agli oggetti che ai robot.

“I magazzini sono ancora serviti principalmentepersone, perché i robot hanno ancora difficoltà a catturare in modo affidabile molti oggetti diversi ", spiega Ken Goldberg, autore senior dello studio. - In una catena di montaggio automobilistica, lo stesso movimento viene ripetuto più e più volte, quindi può essere automatizzato. Ma nel magazzino, tutti gli ordini sono diversi ".

Video che mostra il funzionamento di un manipolatore robotico di magazzino con movimento prima e dopo l'applicazione di una rete neurale profonda. Credito: Ichnowski et al.

In lavori precedenti, Goldberg e la scienzaJeffrey Ichnovsky, ricercatore della UC Berkeley, ha creato un pianificatore di movimento ottimizzato per la presa. Tuttavia, gli ingegneri non sono riusciti a rendere i movimenti fluidi. Sebbene i parametri del software siano stati adattati per creare esattamente questo, i calcoli hanno richiesto in media circa mezz'ora.

In un nuovo studio di Goldberg e Ichnowski inLa collaborazione con lo studente laureato della UC Berkeley Yahav Avigal e lo studente Vishal Satish ha accelerato in modo significativo i tempi di calcolo del pianificatore di movimento integrando una rete neurale con il deep learning.

Le reti neurali consentono al robot di apprendereesempi. Successivamente, il robot può spesso generalizzare oggetti e movimenti simili. Tuttavia, queste approssimazioni non sono sempre sufficientemente precise. Goldberg e Ichnovsky hanno scoperto che l'approssimazione generata dalla rete neurale potrebbe quindi essere ottimizzata utilizzando uno scheduler personalizzato. Combinando la rete neurale con il pianificatore di movimento, il team ha ridotto il tempo di calcolo medio da 29 secondi a 80 millisecondi.

Gli autori dello studio sono fiduciosi che grazie a questoe altri progressi, i robot saranno presto in grado di aiutare i magazzinieri. “Questa è una nuova grande opportunità per i robot di supportare le persone”, conclude Goldberg.

Leggi anche

I neuroni nel cervello umano e la rete di galassie sono simili

A causa del movimento delle placche, il fondo dell'Oceano Pacifico è ora profondo sotto la Cina

Gli scienziati hanno violato un robot aspirapolvere per registrare a distanza le conversazioni degli utenti