로봇은 물체를 쉽게 잡고 움직이는 법을 배웠습니다.

Автоматизация складских задач может быть сложной. Многие действия, которые естественны для людей, на самом

деле являются довольно сложной задачей для роботов. Например, решение, откуда и как брать различные типы объектов. Важна и дальнейшая координация движений плеч, рук и запястий, необходимых для перемещения каждого из них из одного места в другое. Кроме того, движения роботов более резкие — это увеличивает риск повреждения как объектов, так и роботов.

“창고는 여전히 주로로봇은 여전히 ​​많은 다른 물체를 안정적으로 캡처하는 데 매우 어려움을 겪고 있기 때문에이 연구의 선임 저자 인 Ken Goldberg는 설명합니다. -자동차 조립 라인에서 동일한 움직임이 반복적으로 반복되므로 자동화가 가능합니다. 하지만 창고에서는 모든 주문이 다릅니다. "

심층 신경망을 적용하기 전후의 움직임이있는 창고 로봇 조작기의 작동을 보여주는 동영상입니다. 크레딧 : Ichnowski et al.

В более ранней работе Голдберг и научный сотрудник Калифорнийского университета в Беркли Джеффри Ичновски создали оптимизированный для хватания планировщик движений. Однако сделать движения плавными инженерам не удалось. Хотя параметры ПО настраивались для создания именно этого, вычисления занимали в среднем около получаса.

Goldberg와 Ichnowski의 새로운 연구에서UC Berkeley 대학원생 Yahav Avigal 및 학생 Vishal Satish와의 협업은 신경망과 딥 러닝을 통합하여 모션 플래너의 계산 시간을 크게 단축했습니다.

Нейронные сети позволяют роботу учиться на примерах. Позже робот может часто обобщать похожие объекты и движения. Однако эти приближения не всегда достаточно точны. Голдберг и Ичновски обнаружили, что приближение, генерируемое нейронной сетью, затем можно оптимизировать с помощью специального планировщика. Объединив нейронную сеть с планировщиком движения, команда ученых сократила среднее время вычислений с 29 секунд до 80 миллисекунд. 

Авторы исследования уверены, что благодаря этому и другим достижениям роботы вскоре смогут помочь работникам складских помещений. «Это прекрасная новая возможность для роботов поддержать людей» — заключает Голдберг.

읽어보기

인간의 뇌와 은하 네트워크의 뉴런은 비슷합니다.

판 이동으로 인해 태평양 바닥은 이제 중국 아래 깊숙이 있습니다.

과학자들은 로봇 청소기를 해킹하여 사용자 대화를 원격으로 기록했습니다.