Калифорнийские исследователи работают над тем, чтобы дать роботизированному оружию возможность работать амбивалентно . Они надеются, что эти двусмысленные роботы смогут сортировать пакеты на складах быстрее и эффективнее.
Каждый новый праздничный сезон свидетельствует о значительном улучшении возможностей систем электронной коммерции (e-commerce). Увеличивающаяся скорость и надежность электронных покупок побуждают все больше и больше покупателей отказываться от традиционных магазинов для интернет-магазинов, которые доставляют то, что они хотят, к их порогу.
Растущий спрос означает, что компании, занимающиеся электронной торговлей, сталкиваются с постоянно растущим объемом новых и ожидающих заказов. В ответ компании тратят много денег на огромные склады, на которых можно хранить самые разные товары, пока не пришло время доставить посылку покупателю.
Традиционные склады требуют много человеческого персонала для эффективной работы. Тем не менее, якобы существует нехватка подходящих рабочих, которые могут выполнять различные обязанности на новых объектах.
Роботизированные захваты скоро смогут захватить практически любой предмет
Компании электронной коммерции рассматривают возможность автоматизации складов. Им нужны роботизированные системы, которые могут обрабатывать упаковки быстрее, чем люди, и неутомимо работать весь день и всю ночь.
Но их план использовать роботов вместо человеческих рабочих натолкнулся на неприятности. Даже самые совершенные роботизированные захваты могут легко и безопасно захватывать ограниченное количество предметов.
Типичные роботы, найденные в центре выполнения задач электронной коммерции, используют всасывающие захваты. Этот тип захвата имеет довольно надежный захват, но он также страдает от ограниченного диапазона форм, которыми он может манипулировать.
Кроме того, роботам приходится проходить длительные тренировки, чтобы выполнить одну задачу. Если роботу приходится выполнять более одной работы или обрабатывать разные предметы, обучение занимает еще больше времени.
«Любой отдельный захват не может обрабатывать все объекты», — объясняет исследователь Калифорнийского университета в Беркли (UC Berkeley) Джефф Малер. «Например, присоска не может создать уплотнение на пористых объектах, таких как одежда, а захваты с параллельными челюстями могут не достигать обеих сторон некоторых инструментов и игрушек».
Малер и его коллеги открывают для робота новый способ восприятия широкого спектра форм. Они говорят, что их двойственная техника не требует, чтобы каждый отдельный робот проходил утомительные тренировки. (Связано: японские исследователи разрабатывают прототип гуманоидного робота, нацеленный в конечном итоге на замену людей ).
ИИ выбирает подходящий роботизированный захват для работы
Их система Dexterity Network (Dex-Net) 4.0 использует функцию вознаграждения, которая используется многими различными типами роботизированных захватов. Dex-Net оценивает шансы на успех каждого захватчика при захвате определенного объекта. Он выбирает захват, который имеет самые высокие шансы на успех на работе.
В исследовательской работе Калифорнийского университета в Беркли описан процесс обучения функциям вознаграждения. Процесс использует рандомизацию в структурированной области , обучающую модель, в которой виртуальные изображения переносятся в реальные изображения с помощью рандомизированного рендеринга. Эта модель также учитывает контекст и структуру сценария.
Эта обучающая модель сочетается с аналитическими моделями датчиков и атрибутами захвата. Он может создавать большие синтетические наборы данных для учебных целей, что позволяет Dex-Net быстро узнать, какой захват будет наиболее эффективным.
Малер и компания сообщают, что робот Dex-Net с захватом с параллельными губками в одной руке и захватом с присоской в другой может очищать бункеры с очень высокой надежностью. Робот может обрабатывать до 25 новых объектов в каждой корзине.
«Когда вы находитесь на складе, собирая пакеты для доставки, объекты значительно различаются», — говорит исследователь Калифорнийского университета в Беркли Кен Голдберг, руководитель лаборатории робототехники, которая разработала Dex-Net. «Нам нужны различные захваты для работы с различными