Es dauerte dieser Roboter 10 Tage lernen, wie man Objekte von Grund auf neu zu erfassen
Roboter sind eine Menge Dinge gut, aber ihre Erfolgsbilanz auf Abholung Objekte ist schlecht. So wie schwer ist es, einen zu holen, ein Objekt bei Bedarf von einem Tisch voller Unordnung zu lehren?
Das ist, was ein Team von der Carnegie Mellon University haben versucht, herauszufinden. Abgebildet hier ist Baxter: eine moderne zweiarmigen Industrieroboter, die in der Regel Fabriken sich wiederholende Aufgabe ausführt. Aber anstatt es die üblichen Geschäfte zu machen, beschloss die Forscher versuchen zu bekommen, um herauszufinden, wie Objekte in einem mehr unstrukturierten Umfeld abholen – auch bekannt als einen Tisch voller Gerümpel.
Baxter hat zwei "Finger" am Ende von jedem Arm, die zusammen eingeklemmt werden kann, um ein Objekt, zusammen mit einer hochauflösenden Kamera zu halten, die verwendet wird, um zu sehen was geschieht. Es hat auch eine Kinect oben erhalten Sie eine allgemeine Übersicht dessen, was vor ihm ist. Technology Review erklärt, wie die Forscher Baxter zu lernen, Dinge abholen kam:
[Das Team] programmiert Baxter, ein Objekt durch Isolierung von seinen Nachbarn, dann wählen Sie einen beliebigen Punkt in diesem Bereich, die Greifer auf einen bestimmten Winkel drehen und dann den Greifer nach unten bewegen vertikal versucht einen Überblick zu erfassen. Der Roboter dann hebt seinen Arm und legt fest, ob der Griff mit Kraftsensoren erfolgreich war. Für jeden Punkt es wiederholt sich der Vorgang greifen 188 Mal, jedes Mal nach dem Drehen der greifen Winkel von 10 Grad. Damit kann den Roboter lernen, Pinto Gupta eine Vielzahl von Objekten vor Baxter auf den Tisch gelegt und ließ es einfach für bis zu 10 Stunden am Tag, ohne menschliches Zutun.
Baxter hatte das Glück, ein neuronales Netz zu haben, hatte bereits ausgebildet worden, um Objekte aus Bildern zu erkennen, aber das war alles. Im Laufe der Zeit dann – in der Tat war es 700 Stunden 50.000 Griffe auf 150 verschiedene Objekte zu machen – der Roboter langsam gelernt, Dinge aus einer Tabelle, übersät mit Spielzeug und Haushaltsgegenstände abholen.
Jetzt kann Baxter abholen eines Objekts, das sie vor 73 Prozent der Zeit gesehen wird und ein Objekt, das es nie zuvor 66 Prozent der Zeit gesehen wird. Es kann auch trainieren wenn es sich um etwas abzuholen, können sichern sollten Vorhersagen, wenn es in der Lage, ein Objekt mit einer Genauigkeit von 80 Prozent zu erfassen, indem man sich es. Die Ergebnisse werden auf dem Server ArXiv veröffentlicht.
Eine erfolgreiche greifen nicht immer völlig Erfolg, aber sozusagen. "Einige der Griffe, wie die rote Pistole... sind vernünftig, aber immer noch nicht erfolgreich durch die Greifer Größe nicht kompatibel mit der Breite des Objekts," erklärt das Team. "Andere Zeiten, obwohl der Griff"erfolgreich"ist, fällt das Objekt heraus wegen Rutschgefahr."
Gibt es noch einiges zu tun, bevor Roboter lernen, zarte selbst dann Aufgaben – aber dies ist ein Anfang.