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

Самые ловкие роботизированные руки из Калифорнии (+видео)

schedule 07.06.2017 в 08:03 link захват захват
Ученые Лаборатории робототехники Калифорнийского университета Беркли разработали самые ловкие роботизированные руки для сбора сложных по форме и структуре предметов, - передает Robotics.ua.

Испытания новых захватов

Поразительно, но испытуемый робот смог настолько хорошо разбираться с виртуальными объектами. Он знал, какой захват должен работать для разных предметов, изучая обширный набор данных трехмерных фигур и подходящих захватов. Исследователи подавали изображения в глубокую нейронную сеть, подключенную к готовому трехмерному датчику и стандартному манипулятору. Когда перед ним помещался новый объект, система глубокого обучения робота быстро определяла, какую руку следует использовать для захвата.



В испытании технологии роботу удалось взять предмет и встряхнуть его, не уронив, в 98% случаев. Исследователи говорят, что это значительный шаг вперед по сравнению с предыдущими методами.

Работа показывает, как новые подходы к обучению роботов в сочетании с возможностью получать доступ к информации через облако могут повысить возможности машин на фабриках и складах, а также могут даже позволить им выполнять полезную работу в таких местах, как больницы.

Многие исследователи работают над тем, чтобы роботы научились захватывать и манипулировать вещами, практикуя снова и снова, но этот процесс требует много времени. Новый робот учится без практики, и это значительно лучше, чем в любой предыдущей системе. «Мы добиваемся лучших результатов, но без такого рода экспериментов», - говорит Кен Голдберг, профессор Калифорнийского университета в Беркли, который руководил работой.

Вместо того, чтобы обучаться в реальном мире, робот научился использовать набор данных из более чем тысячи объектов, который включает в себя трехмерную форму, внешний вид и физику захвата. «Мы можем сгенерировать достаточно данных обучения для глубоких нейронных сетей за день, вместо того, чтобы проводить месяцы физических испытаний с реальным роботом напрямую», - говорит Джефф Малер, исследователь, работавший над проектом. Кстати, в созданном Илоном Маском фонде OpenAI также обучают роботов через виртуальную реальность.

Голдберг и его коллеги планируют выпустить набор данных, который они создали, чтобы они стали общедоступными. Ведь это важно для развития современного компьютерного зрения и продвижения отрасли вперед.

Большие перспективы

Стефани Теллекс, доцент университета Брауна, специализирующаяся на изучении роботов, описывает исследование как «большое дело», отметив, что оно может ускорить кропотливые подходы к машинному обучению. «Трудно собрать большие массивы робототехнических данных, - говорит Теллекс. - «Этот проект интересен, потому что он показывает, что смоделированный набор данных можно использовать для обучения захвату. И эта модель означает реальные успехи на физическом роботе».

Достижения в области алгоритмов управления и подходов машинного обучения вместе с новым оборудованием постоянно создают фундамент, на котором будет работать новое поколение роботов. Эти системы смогут выполнять гораздо более широкий круг повседневных задач. Более проворные машины, по сути, уже берут на себя ручной труд, который долгое время оставался вне досягаемости. Расс Тедрейк, профессор Массачусетского технологического института, который работает с такими роботами, говорит, что ряд исследовательских групп добиваются прогресса на гораздо более способных ловких роботах. Он добавляет, что работа в UC Berkeley впечатляет, потому что она сочетает в себе более новые методы машинного обучения с более традиционными подходами, которые включают в себя рассуждения о форме объекта.

Исследователи из Калифорнийского университета в Беркли сотрудничали с Хуаном Апарисио, руководителем исследовательской группы в Siemens. Немецкая компания заинтересована в коммерциализации облачной робототехники, среди других подключенных к интернету технологий производства. Апарисио говорит, что исследование является захватывающим, потому что надежность роботизированных рук предлагает путь к коммерциализации.

Читайте также: C-LEARN – новый подход к обучению роботов из MIT. 

Согласно robotics.ua, достижения в области ловкости роботов также могут быть важны для развития искусственного интеллекта. Ловкость рук сыграла решающую роль в эволюции человеческого интеллекта, формируя добротную петлю обратной связи с более четким видением и повышенной интеллектуальной мощью. Способность более эффективно манипулировать реальными объектами, по-видимому, играет определенную роль в эволюции ИИ.

Видео

Комментарии: