快捷搜索:  as  test  1111  test aNd 8=8  test++aNd+8=8  as++aNd+8=8  as aNd 8=8

和记娱好:怎样教导机器人抓握和扔东西



对物理定律有直不雅理解的机械人可能听起来像Isaac Asimov小说中的某些器械,但谷歌机械人部门的科学家们说他们基础上创造了它们。他们觉得,在这样做的历程中,他们可能为未来能够进修扔掷,滑动,扭转,摆动,捕捉和其他运动技能的系统奠定根基,这些技能今朝对纵然是功能最强大年夜的机械也构成了寻衅。

“只管在使机械人有效掌握物体,视觉上自我适应以致从实际履历中进修方面取得了相昔时夜的进步,机械人操作仍必要仔细斟酌若和记娱好何拾取,处置惩罚和放置各和记娱好类物体 - 尤其是在非布局化设置中,“谷歌门生钻研员Andy Zeng在博客中写道。“然则机械人不仅可以容忍动力学,而且可以学会有利地应用它们,开拓物理学的‘直觉’,使他们能够更有效地完成义务?

为了回答这个问题,Zeng和他的同事们与普林斯顿,哥伦比亚和麻省理工学院的钻研职员相助开拓了一个他们称为TossBot的拾取器机械人,该机械人学会捉住并将物体扔到其“自然范围”范围之外的盒子里。它不仅是曩昔最先辈型号的两倍,而且实现了两倍的有效放置范围,而且可以经由过程自我监督来前进。

投入可猜测性并不轻易 - 纵然对人类也是如斯。抓握,姿势,质量,空气阻力,摩擦力,空气动力学以及无数其他变量会影响物体的轨迹。经由过程反复试验对射弹物理进行建模是可能的,但曾梵志指出,它谋略资源高,必要大年夜量光阴,并且不会孕育发生分外普遍的政策。

相反,TossingBot应用射弹弹道模型来预计将物体送到目标位置所需的速率,并应用端对端神经收集 - 以生物神经元为模型的数学函数层 - 对来自头顶的视觉和深度数据进行练习用于猜测该预计值之上的调剂的相机。Zeng表示,这种混杂措施使系统的扔掷准确率达到85%。

教授教化TossingBot捉住物体有点棘手。它首先考试测验“坏”抓取,直到它识别出更好的措施,同时经由过程有时随机扔掷物体以及曩昔没有考试测验过的速率来前进其扔掷能力。颠末大年夜约14个小时的10,000次抓握和扔掷考试测验后,TossingBot可以在87%的光阴内紧紧捉住紊乱堆中的物体。

大概更令人印象深刻的是,颠末一两个小时的练习,TossingBot可以适应前所未有的位置和假生果,装饰物品和办公物品和记娱好,应用类似的,几何上更简单的小玩意儿。“TossingBot可能学会更多地依附和记娱好几何线索(例如外形)来进修抓握和扔掷,”Zeng说。“这些新兴的功能是从头开始隐式进修的,除了义务级其余抓取和扔掷之外没有任何明确的监督和记娱好。然而,它们彷佛足以使系统能够区分工具种别(即乒乓球和标记笔)。“

钻研职员承认,TossingBot尚未应用脆弱的工具进行测试,并且应用严格的可视化数据作为输入,这可能会阴碍其在测试中对新工具做出反映的能力。然则他们说基础的自傲 - 结合物理学和深度进修 - 是未来事情的一个有盼望的偏向。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

您可能还会对下面的文章感兴趣: