你现在的位置:首页 > 军事资讯 >
深度学习帮助机器人轻松地掌握和移动物体

来源:本文章来源于网络    时间:2020-11-20 15:25:05   

在过去的一年里,封锁措施和新冠肺炎的其他安全措施使网上购物变得比以往任何时候都更受欢迎,但需求的飙升使得许多零售商很难在确保仓库员工安全的同时完成订单。

加州大学伯克利分校(UniversityofCalifornia,Berkley)的研究人员发明了一种新的人工智能软件,使机器人能够快速掌握和平稳地移动物体,使机器人能够在仓库环境中快速帮助人类。这项技术在今天(11月18日星期三)的一篇在线论文中被描述为科学机器人。

自动化仓库任务可能具有挑战性,因为许多自然的人体运动(比如决定在哪里和如何捡起不同类型的物体,然后协调每个物体从一个位置移动到另一个位置所需的肩膀、手臂和手腕运动)实际上对机器人来说是相当困难的。机器人的运动也容易发生痉挛,这增加了产品和机器人受损的风险。

加州大学伯克利分校(UniversityofCalifornia,Berkley)杰出的工程部主席、这项研究的高级作者Kens.Floydjr.仓库仍然主要由人类操作,因为机器人仍然很难可靠地掌握许多不同的物体,他说,在汽车装配线上,同样的游戏会一次又一次地重复,以实现自动化。但是在仓库里,每个订单都是不同的。

在早期的工作中,加州大学伯克利分校(UniversityofCalifornia,Berkley)的博士后研究员杰弗里·伊什诺夫斯基(GeoffreyIchnovsky)创建了一个抓取最佳运动计划器,计算机器人应该如何拾取物体,机器人如何将物体从一个位置移动到另一个位置。

然而,这个规划师所产生的运动是不耐烦的。虽然软件的参数可以被调整以产生更流畅的运动,但是这些计算平均需要大约半分钟的时间来计算。

在这项新的研究中,Goldberger和Izinovsky与加州大学伯克利分校(UniversityOfCalifornia)、伯克利(Berkley)、雅哈夫·阿维加尔(YahafAvigal)和本科生维萨尔·萨蒂什(VesarSatish)的研究生合作,通过整合深度学习神经网络,大大加快了运动

神经网络允许机器人从例子中学习。后来,机器人通常可以被概括为相似的物体和运动。

然而,这些近似并不总是足够精确。Goldberger和Ichinovsky发现,神经网络生成的近似可以使用运动规划器进行优化。

神经网络计算近似运动只需几毫秒。它非常快,但并不准确,Ichinovsky说,但是,如果我们把近似值输入到运动计划器中,那么运动规划器只需要进行几次迭代就可以计算出最后的运动。

通过将神经网络和运动规划师结合起来,研究小组将平均计算时间从29秒缩短到80毫秒,或少于1/10秒。

戈德伯格预测,随着机器人技术和其他领域的进步,未来几年,机器人可以帮助仓库环境。

戈德伯格说:随着新冠肺炎对食品、药品、服装和其他许多东西的购买发生了变化,即使疫情结束,人们也会继续这样购物。对于机器人来说,这是一个令人兴奋的新机会来支持人类工人。

上一篇:快速创建一个自我媒体矩阵?西安巨人画影视利用这些动作
下一篇:最后一页
热点热点