详细内容或原文请订阅后点击阅览
选择夹具可帮助双臂机器人更快地拾取物体（+视频）
机器人通用夹具 Dex-Net 的开发已经持续了好几年。近日，加州大学伯克利分校的科学家推出了最新版本的Dex-Net 4.0。这个最新版本的主要创新在于，机器人现在能够以每小时 300 个物体的速度成功抓取 95% 以前未见过的物体。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）机器人通用夹具 Dex-Net 的开发已经持续了好几年。近日，加州大学伯克利分校的科学家推出了最新版本的Dex-Net 4.0。这个最新版本的主要创新在于，机器人现在能够以每小时 300 个物体的速度成功抓取 95% 以前未见过的物体。
这是由于机器人具有额外的敏捷性以及所使用的两种不同类型的夹具之间的动态选择而实现的。
在某些情况下，人们选择这些类型的对象的速度几乎快了一倍，每小时 400 到 600 个项目。如果一个人多次尝试选择同一对象，成功率接近 100%。我们如此擅长选择物体的原因之一是我们对各种物体的形状、大小和重量、材料的摩擦特性以及当我们触摸物体时物体变形的可能性有经验。 甚至无需思考，我们就可以在头脑中生成详细的模型，帮助我们轻松抓取和举起未知物体。
这种能力是机器人所不具备的。相反，他们依赖以任务为导向的训练，这就是 Dex-Net 的用武之地。 Dex-Net 通过使用数百万个 3D 对象的合成深度图像以及随机选择的对象进行模拟学习来学习掌握事物。这种人为引入的不确定性有助于系统管理传感器噪声和机器人校准随时间的微小变化等问题。