Förmågan att kasta föremål exakt erbjuder alla typer av fördelar. Gungade är ett effektivt sätt att flytta ett objekt utan att engagera hela din kropp, till exempel. Du kan nå platser du kunde inte lätt att få till, som exempelvis när du kastar en uppsättning nycklar från en lägenhet balkong till en vän på gatan. Och kasta objekt är oftast ett snabbare sätt att flytta dem än att bära dem.
“Om du kunde få en robot arm för att göra det bra, säger Andy Zeng, en student, forskare på Google, “som skulle göra det mycket mer mångsidig i de saker man kan göra.”
Det är tanken bakom en ny gungade robot utvecklad av Google forskare med samarbete från Columbia, MIT, och Princeton.
×
google-tossing-bot.jpg
Att kasta saker, visar det sig, är mycket svårt. Människor har en livstid av träning men skulle vara lycklig att bryta 50 procent när du kastar wadded upp papper bollar på en papperskorg i ett rum. I detta exempel, en del av problemet är variansen mellan de olika pappers bollar, vilket gör det svårt att ringa in fysiken bakom slänga. Om vi skulle överdriva problemet genom att ha en människa att nå in i en låda full av slumpmässiga objekt-en bowling pin-kod följt av en pingpong boll, till exempel — och slänga dem på ett mål, vår framgång skulle vara ännu lägre.
Robotar inför ett liknande problem. Från en teknisk synvinkel är det inte särskilt svårt att programmera en robot arm för att kasta en enda objektet är korrekt. En basket spelar robot, till exempel, kan den skjuta med nära-perfekt precision. Men att införa variation i storlek, massa och form kräver att programmera en robot som kan utveckla en unik och gripande strategi och redogöra för hur ett objekt kommer båge genom luften i farten.
Problemet TossingBot laget ville lösa var hur att lära en robot att plocka upp slumpmässiga objekt från en rörig bin och placera dem i en låda fysiskt utanför robotens räckvidd.
“TossingBot använder djupt lärande algoritmer för att associera den visuella utseendet på ett objekt med hur man kan förstå det och hur att kasta det, säger Zeng. “I stället för att manuellt ingenjör kasta strategier för varje objekt, roboten kan förvärva dessa tekniker genom trial and error. Ge det ett objekt har det aldrig sett tidigare och det kommer att lära sig av sig själv genom trial and error hur man kasta dem på ett korrekt sätt.”
Med hjälp av overhead kameror att hålla koll på var objektet länder, och systemet lär sig av erfarenhet och blir bättre med varje kast. När plocka ett objekt av bin, roboten använder en djup neurala nätverk för att utveckla, parallellt, en tag strategi och gungade strategi.
Resultatet är en robotarm, som snabbt kan plocka och kasta objekt på en hög grad av noggrannhet. Laget är att uppnå en genomsnittlig plocka hastighet av 500 objekt per timme.
Program kan omfatta pick-and-place-uppgifter i logistik centra och lager, till exempel. Att kasta föremål i stället för att fysiskt placera dem inom robotens maximal räckvidd kan ha alla typer av fördelar, inklusive ökad genomströmning på linjer och minska antalet robotarmar som behövs för att fördela objekt i olika fack.
robotteknik nyheter
Autonoma logga lastbil: Korsning mellan en långtradare och en Stormtrooper
Klocka: En robot race bil blixtlås runt den historiska banan utan förare
Robotar ta itu med prostata cancer kirurgi
Kommer robotar att möjliggöra en arkitektonisk renässansen?
Den globala försäljningen av industriella robotar logga svindlande stiga
Denna robotiserade insekter går på vattnet
Relaterade Ämnen:
Innovation
CXO
Artificiell Intelligens