Het vermogen om voorwerpen te gooien nauwkeurig biedt allerlei voordelen. Gooien is een efficiënte manier om een object te verplaatsen zonder dat u uw hele lichaam, bijvoorbeeld. Komt u op plaatsen waar u niet gemakkelijk zou kunnen krijgen, zoals het geval was bij het gooien van een set sleutels van een appartement balkon met een vriend op straat. En het gooien van objecten is meestal een snellere manier om ze te verplaatsen dan het dragen van hen.
“Als je een robot arm om dat te doen”, zegt Andy Zeng, een student onderzoeker bij Google, “dat zou veel meer mogelijkheden in de dingen die het kan doen.”
Dat is het uitgangspunt achter een nieuwe gooien robot ontwikkeld door Google onderzoekers met samenwerking van Columbia, MIT en Princeton.
×
google-tossing-bot.jpg
Het gooien van dingen, zo blijkt, is erg moeilijk. Mensen hebben een levenslange oefening, maar het zou gelukkig zijn om te breken 50 procent bij het gooien van gewatteerd up propjes papier in een prullenbak in een kamer. In dat bijvoorbeeld een deel van het probleem is de variantie tussen de verschillende papieren ballen, die maken het lastig om in te bellen in de natuurkunde achter de toss. Als we overdrijven het probleem door het hebben van een menselijke hand in een bak vol van willekeurige objecten — een bowling pin gevolgd door een pingpong bal, bijvoorbeeld — en ze gooien op een doel, ons succes percentage zou zelfs lager.
Robots worden geconfronteerd met een soortgelijk probleem. Vanuit een technisch standpunt is het niet zo moeilijk om het programmeren van een robot arm te gooien van een enkel object nauwkeurig. Een basketbal spelen van robot kan bijvoorbeeld schieten met een bijna perfecte nauwkeurigheid. Maar de invoering van de variantie in grootte, massa en vorm vereist het programmeren van een robot die kan het ontwikkelen van een uniek grijpen strategie en account voor de manier waarop een object zal boog door de lucht aan het vliegen.
Het probleem van de TossingBot team wilde oplossen was: hoe leren een robot te halen willekeurige objecten uit een rommelige uitvoerlade en plaats ze in een doos fysiek buiten de robot te bereiken.
“TossingBot maakt gebruik van deep learning algoritmes te koppelen met de visuele verschijning van een object met hoe om het te begrijpen en hoe om te gooien,” zegt Zeng. “In plaats van handmatig hoeven te engineer gooien strategieën voor elk mogelijk object, de robot kan het verwerven van deze technieken door middel van trial en error. Geef het een object is het nooit eerder gezien en het zal leren door zelf via trial and error hoe je deze nauwkeurig.”
Met behulp van overhead camera ‘ s te houden waar het object is geland, het systeem leert van de ervaring en wordt beter met elke gooien. Bij het uitzoeken van een object uit de bak, de robot maakt gebruik van een diepe neurale netwerk te ontwikkelen, parallel, het grijpen van een strategie en het gooien van een strategie.
Het resultaat is een robotarm die snel kunnen kiezen en gooi objecten op een hoge mate van nauwkeurigheid. Het team is het bereiken van een gemiddelde pick-tarief van 500 objecten per uur.
Toepassingen kunnen zijn pick-and-place taken in logistieke centra en magazijnen, bijvoorbeeld. Het gooien van objecten in plaats van fysiek te plaatsen binnen de robot ‘ s een maximaal bereik zou hebben van allerlei voordelen, waaronder een hogere doorvoersnelheid op regels en het verminderen van het aantal robot armen nodig om het distribueren van onderdelen in de verschillende bakken.
robotica nieuws
Autonome logging truck: Kruising tussen een big rig en een Stormtrooper
Let op: Een robot race auto ritsen rondom het historische spoor zonder chauffeur
Robots pakken prostaatkanker operatie
Zullen robots inschakelen van een architectonische renaissance?
De wereldwijde verkoop van industriële robots log duizelingwekkende stijging
Deze robot insect loopt op water
Verwante Onderwerpen:
Innovatie
CXO
Kunstmatige Intelligentie