Автоматизація складських завдань може бути складною. Багато дій, які природні для людей, насправді
«Склади і раніше обслуговуються в основномулюдьми, тому що роботам все ще дуже важко надійно захоплювати безліч різних об'єктів, - пояснює Кен Голдберг, старший автор дослідження. - На автомобільній складальної лінії один і той же рух повторюється знову і знову, тому його можна автоматизувати. Але на складі всі замовлення різні ».
Відео, яке демонструє роботу складського робота-маніпулятора з переміщенням до і після застосування глибокої нейронної мережі. Надано: Ічновскі і ін.
У більш ранній роботі Голдберг та науковийСпівробітник Каліфорнійського університету в Берклі Джеффрі Ічновськи створили оптимізований для хапання планувальник рухів. Однак зробити рухи плавними інженерам не вдалося. Хоча параметри ПЗ налаштовувалися для створення саме цього, обчислення займали в середньому близько півгодини.
У новому дослідженні Голдберг і Ічновскі вспівробітництво з аспірантом Каліфорнійського університету в Берклі Яхав АВІГАЛЬ і студентом Вішалом Сатиш значно прискорили час обчислень планувальника рухів за рахунок інтеграції нейронної мережі з глибоким навчанням.
Нейронні мережі дозволяють роботу вчитися наприклади. Пізніше робот може часто узагальнювати схожі об'єкти та рухи. Однак ці наближення не завжди є досить точними. Голдберг та Ічновські виявили, що наближення, що генерується нейронною мережею, потім можна оптимізувати за допомогою спеціального планувальника. Об'єднавши нейронну мережу з планувальником руху, команда вчених скоротила середній час обчислень з 29 секунд до 80 мілісекунд.
Автори дослідження впевнені, що завдяки цьомута іншим досягненням роботи незабаром зможуть допомогти працівникам складських приміщень. «Це прекрасна нова можливість для роботів підтримати людей», — робить висновок Голдберг.
Читати також
Нейрони в мозку людини і мережу галактик виявилися схожі
Через рух плит дно Тихого океану зараз знаходиться глибоко під Китаєм
Вчені зламали робот-пилосос для віддаленої записи розмов користувачів