0
Moderne robotter kan ikke med sikkerhed identificere og forstå en bred vifte af genstande fra hylderne i store opfyldelse centre, såsom dem, der anvendes af Amazon. Denne simple kendsgerning har bevaret titusinder af lav løn, lav-færdighed job midt udbredt automatisering i industrien.
Men de dage er talte. Hvert år, Amazon holder en udfordring for robotteknologi forskere til at teste den bedste pick-and-place robotter. Det Primære virksomhedens motivation kunne ikke være klarere–eliminere menneskelige plukkerne får Amazon meget nær lights-out lager sin kørt mod, da det erhvervede Kiva Systems, en udvikler af logistik robotter, i 2012.
Dette års vinder er en bot opkaldt Cartman fra Australien, og det er forankringen opmærksomhed, ikke bare for sin adroitness på at identificere objekter, men for sin pris. Den bot er bygget med en stor off-the-shelf komponenter og omkostninger holdet omkring $24,000. Det er næppe en sang, men for en brugerdefineret industriel robot det er ganske billige.
Fotos af objekter robot deltagerne blev bedt om at identificere
Cartman blev skabt af den Australske Center for Robot-Vision. Sidste år, holdet benyttede en fælles samarbejdsprojekter inden for industriel robot kaldet Baxter. Dette år, som det sømmer sig organisationens navn, var strategien med at investere kraftigt i vision-baserede algoritmer og samtidig holde mekanikken bare-bone som muligt.
I modsætning til sine konkurrenter, Cartman er ikke en, som aktiveres robotic arm. Det er forsynet med en tættere lighed med en arkade grasper, den slags, der yanks (eller ikke) udstoppede dyr inde, at glas kuben.
Knyttet til den tre-dimensionelle skyderen er sugekopper og en to-fingre griber, så Cartman til at forstå en stor mangfoldighed af små emner.
Multi-step test, der kræves bots til korrekt at identificere ordineret objekter fra en vifte af muligheder, og placere dem korrekt.
“Vi havde brug for syv billeder af hver usete emne for os at være i stand til at registrere dem,” sagde Anton Milano Australske journalister.
Dyb læring forskere har hurtigt forbedret, hvor hurtigt maskiner, der kan identificere objekter fra statiske billeder, som er en nødvendig færdighed for mange typer af industri-og i den nærmeste fremtid, hjem robotter.
Google DeepMind forskere skabt et system, der lærer fra et stort billede database til korrekt at identificere nye objekter, der er baseret på et enkelt billede. Men den Australske Center for Robot-Vision maskinen er kalibreret til den virkelige verden. I en lager-objekter kan være beskadiget eller skjules på hylderne, så det er sværere for systemer til at træffe afgørelser baseret på færre eksempler.
Amazon Robotteknologi Udfordring begyndte i 2015. Dette år, 16 hold fra 10 lande deltog. Den sejrende Australske hold tog hjem en $80,000 præmie. Ingen ord, hvis Amazon har planer om at erhverve den teknologi.
Mere robotteknologi
Robot møbler forvandler lille lejlighed
Med husleje at tilsætte, kan dette være den første robot unge byboere investere i
Læs Mere
0