详细内容或原文请订阅后点击阅览
新方法扩展了机器人抓取能力（+视频）
拾取和移动物体（例如在传送带上）的机器人具有广泛的应用，但它们通常被编程为处理位于给定位置的特定类型的物体。然而，科学家最近开发出了一种使机器人更加通用的方法。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）拾取和移动物体（例如在传送带上）的机器人具有广泛的应用，但它们通常被编程为处理位于给定位置的特定类型的物体。然而，科学家最近开发了一种使机器人更加通用的方法。
“现有机器人抓取系统的主要缺点之一是它们无法快速适应变化，例如当物体移动时，”澳大利亚昆士兰科技大学 (QUT) 的 Jürgen Leitner 博士说道。 - 世界是不可预测的 - 一切都会发生变化并变得混乱，而且这种情况通常会在没有任何警告的情况下发生。因此，有效的机器人必须能够适应不确定的环境并在其中工作。”
为此，莱特纳领导的团队开始开发人工神经网络（一种允许计算机根据分析示例解决问题的人工智能系统）。使用该网络和体积相机，两指机器人能够创建运动中的逐像素精确空间地图，并识别放置在其前面的一组物体，然后确定抓住任何物体的最佳方式。那些物体的。
“通过在单个循环中匹配前面的内容并使用体积图像，机器人在做出决定之前不必进行多次抓取尝试，从而避免了耗时的计算，”研究人员 Douglas Morrison 说道。的团队成员。 “在现实世界的测试中，我们在抓取形状笨拙的以前未知的物体时能够达到 83% 的准确度，并且 88% 的成功尝试是在尝试抓取过程中移动的日常物体上进行的。”
这项技术建立在团队于 2017 年赢得亚马逊拣货挑战赛时使用的系统的基础上。