Evnen til at kaste objekter præcist tilbyder alle typer af fordele. Plat, er en effektiv måde til at flytte et objekt, uden at hele din krop, for eksempel. Du kan nå de steder, du ikke kunne nemt komme til, som kommer til udtryk, når kastede et sæt nøgler fra en lejlighed med balkon til en ven på gaden. Og kastede objekter er normalt en hurtigere måde at flytte dem, end at udføre dem.
“Hvis du kunne få en robot-arm til at gøre det godt,” siger Andy Zeng, en studerende, forsker på Google, “at ville gøre det meget mere alsidig i de ting, som det kan gøre.”
Det er idéen bag en ny kastede robot udviklet af Google forskere med samarbejde fra Columbia, MIT, og Princeton.
×
google-tossing-bot.jpg
At smide tingene, viser det sig, er meget vanskeligt. Mennesker har en levetid på praksis, men ville være heldig at bryde 50%, når du kaster forede op papir bolde på en affaldsspand på tværs af et rum. I dette eksempel, er en del af problemet er varians mellem de forskellige papir bolde, som gør det vanskeligt at ringe i fysik bag kast. Hvis vi skulle til at overdrive problemet ved at have en menneskelig nå ind i en kasse fuld af tilfældige objekter, — en bowling pin-kode efterfulgt af en pingpong-bold, for eksempel-og kaste dem mod et mål, vores succesrate ville være endnu lavere.
Robotter står over for et lignende problem. Fra et teknisk synspunkt er det ikke særligt vanskeligt at programmere en robot-arm til at kaste et enkelt objekt præcist. En basketball spiller robot, for eksempel, kan skyde med nær-perfekt nøjagtighed. Men at indføre varians i størrelse, masse, og form kræver programmering af en robot, der kan udvikle en unik gribe strategi og hensyn til den måde, hvorpå en genstand, vil bue gennem luften på fly.
Problemet TossingBot team ønskede at løse, var, hvordan at lære en robot at afhente tilfældige objekter fra en rodet bin og placere dem i en boks, som fysisk befinder sig uden for robottens nå.
“TossingBot bruger deep learning algoritmer til at knytte visuelle udseende af et objekt med sådan at forstå det, og hvordan til at smide det,” siger Zeng. “Snarere end at have for manuelt at ingeniør smide strategier for hvert objekt, som robotten kan erhverve disse teknikker gennem trial and error. Giv det en genstand, det er aldrig set før, og det vil lære af sig selv gennem trial and error, hvordan til at smide dem præcist.”
Ved hjælp af overhead kameraer til at spore, hvor objektet lander, systemet lærer af erfaring og bliver bedre med hvert kast. Når plukke et objekt ud af boksen, robotten bruger en dybt neurale netværk til at udvikle sig parallelt med en strategi gribe og kaste strategi.
Resultatet er en robot-arm, der hurtigt kan vælge og kaste objekter på en høj grad af nøjagtighed. Holdet er at nå frem til en gennemsnitlig vælge sats af 500 genstande per time.
Applikationer kan omfatte pick-and-place opgaver i logistik centre og pakhuse, for eksempel. Kastede objekter i stedet for fysisk at placere dem i robot maksimale rækkevidde kan have alle former for fordele, herunder at øge throughput på linjer og reducere antallet af robot-arme behov for at distribuere varer i forskellige siloer.
robotteknologi nyheder
Autonome logge lastbil: Krydsning mellem en stor rig og en Stormtrooper
Se: En robot race bil lynlåse omkring historiske spor uden en driver
Robotter håndtere prostata cancer kirurgi
Vil robotter, der kan muliggøre en arkitektonisk renæssance?
Det globale salg af industrielle robotter log svimlende stigning
Denne robot insekter går på vandet
Relaterede Emner:
Innovation
CXO
Kunstig Intelligens