您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
人工智能教会采摘机器人组装物体
2019年11月01日 由 TGS 发表
818462
0
操纵各种形状的物体并不是机器的强项，但无法否认的是，这项技能对机器人来说非常有用。为了推进这一领域的最新技术，斯坦福大学和哥伦比亚大学的研究人员最近研究了一种名为Form2Fit的机器学习系统，该系统的目标是：教会带有吸力臂的采摘机器人将物体组装为成套工具。“如果把机器人可以学习的东西组合在一起，那么它也许就能比以往更加适应新的操作任务，这有助于提高我们执行任务的效率，比如组装DIY家具套件或把礼物打包成盒子。”研究实习生凯文和机器人研究科学家安迪曾在一篇博客文章中这样写道。
正如他们解释的那样，Form2Fit主要通过反复试验来学习如何识别对象之间的对应关系。其中一个组件（两流匹配算法）能推导出三维点表示，这些点表示不仅可以传达对象的几何形状，还可以传达对象的纹理。但由于点的表示方向比较敏感，所以它们向Form2Fit灌输了在将对象放置到目标位置之前，妥善消除误差的旋转知识。
两个单独的Form2Fit组件可以生成有效的挑选和放置候选项，这两个组件分别是：吸引模型和规划模型。前者可以摄取物体的三维图像，后者则会优先获取目标位置的图像，输出放置成功的预测，然后再将Form2Fit的另外三个组件(包括匹配算法)的输出整合起来，生成最终的拾取位置、放置位置和旋转角度。该团队通过时间反转拆卸概念创建了一个训练数据集——所谓时间翻转拆卸概念，就是逆转流程，把拆卸过程变成组装过程，反之亦然。研究人员利用这个数据集训练Form2Fit，随机挑选一个完整的工具箱进行拆解，然后再逆转拆解程序来学习如何将工具箱组装起来。
经过12个小时的连续训练，研究人员报告说，机器人学会了对各种物体的有效挑选和放置策略，在不同配置的套件中，装配成功率达到94%，在处理全新的物体和套件时，成功率超过86%。
“虽然Form2Fit的测试结果很棒，但它仍然有局限性，目前尚无法普及。”团队的研究人员最后总结道，“所以，我们会继续深入研究，以增强Form2Fit的普适性，让它变得更加实用。”
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消