Аутоматизација складишних задатака може бити изазовна. Многе радње које људима долазе природно јесу
„Складишта се и даље углавном опслужујуљуди, јер роботи још увек врло тешко поуздано хватају много различитих објеката, објашњава Кен Голдберг, виши аутор студије. - На линији за монтажу аутомобила, исти покрет се понавља изнова и изнова, тако да може бити аутоматизован. Али у складишту су све поруџбине различите “.
Видео који приказује рад складишног роботског манипулатора са кретањем пре и после примене дубоке неуронске мреже. Заслуге: Ицхновски ет ал.
У ранијем раду Голдберг и научниИстраживач са Универзитета у Берклију Џефри Ихновски креирао је планер покрета оптимизован за хватање. Међутим, инжењери нису успели да учине покрете глатким.&нбсп;Иако су параметри софтвера прилагођени да би се управо то створило, прорачуни су у просеку трајали око пола сата.
У новој студији Голдберга и Ицхновског уСарадња са постдипломским студентом УЦ Беркелеи Иахавом Авигалом и студентом Висхалом Сатисхом значајно је убрзала рачунање времена планера покрета интегришући неуронску мрежу са дубоким учењем.
Неуронске мреже омогућавају роботу да учи од њихпримери. Касније, робот често може да генерализује сличне објекте и покрете. Међутим, ове апроксимације нису увек довољно тачне. Голдберг и Ицхновски су открили да се апроксимација коју генерише неуронска мрежа затим може оптимизовати коришћењем прилагођеног планера.&нбсп;Комбиновањем неуронске мреже са планером кретања, тим је смањио просечно време рачунања са 29 секунди на 80 милисекунди.&нбсп;
Аутори студије су уверени да захваљујући томеи други напредак, роботи ће ускоро моћи да помогну радницима у складишту.“Ово је одлична нова прилика за роботе да подрже људе“, закључује Голдберг.
Прочитајте такође
Неурони у људском мозгу и мрежи галаксија су слични
Због померања плоча, дно Тихог океана сада је дубоко испод Кине
Научници су упали у роботски усисивач како би даљински снимали корисничке разговоре