Automatizácia skladových úloh môže byť zložitá.
"Sklady sú stále hlavne obsluhované."ľudí, pretože roboty majú ešte stále veľmi ťažké spoľahlivo zachytiť mnoho rôznych objektov, “vysvetľuje Ken Goldberg, hlavný autor štúdie. - Na automobilovej montážnej linke sa stále opakuje rovnaký pohyb, takže ho možno automatizovať. Ale v sklade sú všetky objednávky iné. ““
Video demonštrujúce činnosť manipulátora skladového robota s pohybom pred a po aplikácii hlbokej neurónovej siete. Poďakovanie: Ichnowski et al.
V predchádzajúcej práci Goldberg a postdoktorandský výskumník Jeffrey Ichnowski z UC Berkeley vytvorili plánovač pohybu optimalizovaný na uchopenie.Inžinierom sa však nepodarilo zabezpečiť hladké pohyby. Hoci nastavenia softvéru boli nakonfigurované tak, aby vytvorili práve to, výpočty trvali v priemere asi pol hodiny.
V novej štúdii Goldberg a Ichnowski v roku 2006Spolupráca s postgraduálnym študentom UC Berkeley Yahavom Avigalom a študentom Vishalom Satishom výrazne urýchlila výpočtový čas plánovača pohybu integráciou neurónovej siete s hlbokým učením.
Neurónové siete umožňujú robotovi učiť sa z príkladov.Tieto aproximácie však nie sú vždy dostatočne presné.Goldberg a Ichnowski zistili, že aproximácia generovaná neurónovou sieťou by potom mohla byť optimalizovaná pomocou špeciálneho plánovača. Kombináciou neurónovej siete s plánovačom pohybu tím skrátil priemerný výpočtový čas z 29 sekúnd na 80 milisekúnd.
Autori štúdie sú presvedčení, že vďaka tomuto a ďalším pokrokom budú roboty čoskoro schopné "Je to skvelá nová príležitosť pre roboty na podporu ľudí," uzatváraGoldberg.
Prečítajte si tiež
Neuróny v ľudskom mozgu a sieti galaxií sú podobné
Vďaka pohybu tanierov je tichomorský oceán hlboko pod Čínou
Vedci nabúrali robotický vysávač na diaľkové zaznamenávanie konverzácií používateľov