详细内容或原文请订阅后点击阅览
伯克利机器人专家将加快机器人在仓库中的工作
机器人最适合的工作之一是仓库中典型的乏味、重复的“拾取和放置”任务，但人类在这方面仍然做得更好。加州大学伯克利分校的研究人员正在开发一种机器学习解决方案，该解决方案将使机器人能够在几毫秒内计算出抓取物体的动作。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）机器人最适合的工作之一是仓库中典型的乏味、重复的“拾取和放置”任务，但人类在这方面仍然做得更好。加州大学伯克利分校的研究人员正在开发一种机器学习解决方案，该解决方案将使机器人能够在几毫秒内计算出抓取物体的动作。
人们不必考虑如何拿走一个物体并将其移动到另一个地方。然而，机器人没有这样的直觉——如果没有“明显”的解决方案，它们需要评估数千种用于抓取物体并移动它的潜在选项，包括计算所涉及的力、考虑潜在的碰撞、确定要使用的抓握类型， ETC。同时，机器人本身可以快速执行动作，但计算过程需要相当长的时间，最多几秒钟，有时甚至更多。幸运的是，加州大学伯克利分校的机器人专家想出了一种方法，可以将这个时间缩短约 99%。
他们的系统使用两种交替工作的机器学习模型。第一个模型是基于许多运动示例的机器人操纵器可能轨迹的“快速”生成器。它创建了许多选项，第二个模型经过训练以选择最好的一个。通常，所选轨迹需要特殊运动规划器进行更精确的调整，但由于后者接收运动的一般描述作为输入，即进行“热启动”，其工作需要一些时间。如果运动规划器单独工作，其工作时间将需要 10 到 40 秒，但在“热启动”下，这个时间几乎不会超过十分之一秒。
这项研究发表在本周的《科学机器人》杂志上。
科学机器人