или войти через:
Ваша корзина пока пуста
favorite_border
Доступно только зарегистрированным пользователям

Роботы учатся поднимать объекты нестандартной формы

schedule 10.05.2012 в 14:26 link Ashutosh Saxena Yun Jiang John Amend Hod Lipson's Creative Machines Lab
​Несмотря на "универсальный захват робота", созданный в лаборатории Хода Липсона (Hod Lipson), профессора машиностроения и информатики, новый метод является "аппаратным агностиком", говорят исследователи, и будет работать с любым типом захвата робота.

Работа Липсона и Ашутоша Саксена (Ashutosh Saxena), доцента кафедры информатики специальности «машинное обучение», будет представлена 16 мая на Международной конференции по робототехнике и автоматизации в Сент-Пол, штат Миннесота. Соавторами их работы являются выпускники Цзян Юн (Yun Jiang) и Джон Эменд (John Amend).



Захват Липсона состоит из гибкого мешка с гранулированным материалом. Когда мешок оседает на объект, который деформируется, чтобы соответствовать форме, воздух засасывается из мешка, в результате чего гранулы собираются воедино и затягивают ручку. Предыдущий алгоритм захвата базируется на основе 3-D модели объекта и механизма захвата робота. Компьютерный мозг робота создает образ того, как его рука будет выглядеть при подключении, скажем, ручка чашки или карандаш, и вычисляет движения, необходимы для такого положения. Однако моделирование деформируемого форму мешка вокруг нерегулярных объектов слишком сложно вычислить, так что исследователи приняли подход к обучению.

В 3-D изображении объекта робот анализирует ряд прямоугольников, которые соответствуют размеру захвата и проверяет каждый по целому ряду признаков. Робот обучается на изображениях различных объектов, пока не построит библиотеку функций, общих для хорошего захвата прямоугольников. При работе с новым объектом он выбирает прямоугольник с наибольшим количеством очков в соответствии с правилами его обнаружения. Например, если прямоугольник делится на три полосы и находится выше центра, чем два других, которые могли бы быть хорошим местом, чтобы захватить.

Робот также знает, что общий размер и форма объекта выбирают стабильную рукоятку, а центр компьютерной мыши находится вдоль шнура.

Для проверки метода исследователи оснастили промышленного манипулятора с захватом и Microsoft Kinect 3-D камерой. В попытке поднять 23 объекта, в том числе инструменты, игрушки и посуду, роботу удалось достичь в среднем от 90 процентов до 100 процентов, в зависимости от типа объекта. В большинстве случаев робот смог успешно захватить новые объекты, которые не были в обучающей выборке. Деформируемые объекты, такие как обувь или сумочка были сложнее, поэтому робот добился в среднем только 67 процентов успеха.

Они проводили те же тесты с простой директивой "центрального захвата", достигнув лишь от 30 до 50 процентов, за исключением плоских объектов, где оба подхода связаны на 89 процентов.
Алгоритм также был протестирован со стандартными параллельными захватами-челюстями, которые используют самые современные роботы. Получились примерно те же результаты, за исключением того, что челюсти были на 100 процентов успешны в поднятии мягких, деформируемых объектов. В будущем робот может потребовать сменные захваты для различных рабочих мест. Расширение их работы, говорят исследователи, может заключаться во включении функции выбора захвата.

Комментарии: