加州伯克利研发出史上最灵活的机器人手

2017年05月26日 16:51 cnbeta
微博 微信 空间 分享 添加喜爱

感谢机器人网的投递

该机器人掌握了大量有关三维图形及其抓握技巧的数据,能判断如何使用不同的抓握力度抓起不同的物品。伯克利的研究人员把图片传送到机器人的深度学习系统,它连接着机器人的手臂和3D传感器。当一个新物体被放在机器人面前时,它的深度学习系统能快速帮它匹配得到适合的图形和抓握技巧,并指挥手臂该如何操作。

一个多手指机器人在模拟环境中通过操控虚拟对象实现抓握,机器学习、云服务彻底改变传统手工劳动的时代距离我们不远了。

在美国加利福尼亚大学伯克利分校的一个实验室里,一个普通的机器人正在挑选一些形状怪异的物体。令人惊叹的是,机器人是通过虚拟对象来实现操作的。

该机器人掌握了大量有关三维图形及其抓握技巧的数据,能判断如何使用不同的抓握力度抓起不同的物品。伯克利的研究人员把图片传送到机器人的深度学习系统,它连接着机器人的手臂和3D传感器。当一个新物体被放在机器人面前时,它的深度学习系统能快速帮它匹配得到适合的图形和抓握技巧,并指挥手臂该如何操作。

据悉,这款机器人的抓握性能堪称史上最佳。在测试中,当机器人判断物体的抓握成功率高于50%时,它总能成功提起物体,虽然会有一些摇晃,但物体掉落的概率只有2%。如果机器人判断该物体难以抓握,它会拨动使之适合抓取,调整角度后的抓握成功率高达99%。

当前的机器人手臂大多只能抓取“熟悉”的物体,且研究人员往往需要为它提供大量练习,这个过程是非常耗时的。伯克利的新发明展示了一种新方法:把深度学习和云服务用于机器人抓握。这个创新避免了大量训练,同时提高了机器人在工厂和仓库中的适用性。通过深度学习,机器人甚至能在一些新的应用领域工作,如医院、家庭。

伯克利大学的嗯教授Ken Goldberg表示,不同于传统机器人需要进行长达几个月的物理实验,这款机器人不需要实地练习,它能在模拟环境中学习数据集中包含的三维图形、视觉外观和抓握技巧,“培训”时间仅需1天。

伯克利教授Ken Goldberg(左)和西门子研究组组长Juan Aparicio

据悉,该研究的相关论文将于今年7月发表,届时Ken Goldberg教授和其他研究人员将公布机器人使用的三维数据集,帮助推动计算机视觉技术发展。

目前机器视觉技术尚处于萌芽期,学界极度缺乏相关数据,系统的数据集也亟待建立。深度学习、控制算法和新材料的进步不进有利于构建新型物理机器人,还将开启“机器换人”的新纪元,带来重大的经济影响。虽然几十年前机器人就已出现在各类仓库和生产线,如亚马逊的kiva机器人,但当前大多数机器人只能搬运物品,机器人的分拣技术还相当笨拙。

美国麻省理工的一个实验室也在做相关实验,伯克利的成果让他们印象深刻。一家德国企业已与伯克利取得联系,希望能实现该项技术的商业化。

灵巧的双手对人类智力的发展至关重要,在长期的演变过程中,人类形成了一个良性反馈循环,视觉变得更敏锐,脑力得到了大大增强。“抓握”虽然简单,但它必将在人造智能的演变中发挥作用。

推荐阅读
聚焦
关闭评论