三款神作機器人:用「手」敏捷抓取物體、摔倒後能夠站起來、可讀懂...

2020-12-06 前瞻網

機器人是一種顛覆現實世界的創新，但在它們特定的領域之外，它們的用處是非常有限的。因此，靈活性是一個不斷研究的領域。三款新的機器人裝置展示了它們可以進化到適應新情況的方式：摔倒後可以藉助兩隻「手」站起來，以及理解他們從未見過的視覺指令。

這些機器人都是獨立研發的，今天將在《科學機器人》(Science Robotics)專門研究學習的專刊上發表。每一款機器人都傳達出：機器人可以改善他們與現實世界的互動。

能夠用「手」敏捷抓取物體的機器人

首先是在工作中使用正確工具的問題。由於人類的手指的靈活性以及多功能性，我們可以很容易完成這個任務。我們能夠從我們的生活經驗中理解我們需要用鉗子夾起這個輕的物體或者我們需要藉助工具才能搬動這個重物等等。

當然，機器人沒有這方面的固有知識，這會讓事情變得困難;它可能不理解它無法拾起某種給定大小、形狀或紋理的東西。伯克利的機器人專家開發了一種新系統，它可以作為一種基本的決策過程，將物體分為能用普通鉗子夾住或用吸盤夾住的兩類。

一個在手臂末端同時安裝這兩種工具的機器人，可以通過使用基於深度的圖像來決定抓取什麼物品應該使用什麼工具;測試結果表明，即使是在成堆的物體，其可靠性也非常高，這是以前從未見過的。

它是通過神經網絡來完成的，這個神經網絡部署了數百萬個關於物品、安排和試圖獲取它們的數據點。如果你想用吸盤抱起一隻泰迪熊，但前一萬次都失敗了，你還會繼續嘗試嗎?這個系統能夠學會了做出此類的決定，這樣的事情對於在倉庫完成挑選任務的機器人來說是非常重要的。

有趣的是，伯克利的Ken Goldberg在一封電子郵件中解釋道，由於複雜神經網絡的「黑盒」性質，很難確切地說出Dex-Net 4.0的選擇實際上是基於什麼，儘管有一些明顯的偏好。神經網絡的「黑箱子」是指：一般來說, 神經網絡是一連串神經層所組成的把輸入進行加工再輸出的系統。中間的加工過程就是我們所謂的黑盒。

他寫道:「我們從經驗上發現，，遠離邊緣的光滑平面通常在吸力模型中得分較高，而對映點在抓取模型中得分較高。」

現在可靠性和通用性都很高了，下一步是速度;Goldberg說，該團隊正在「研究一種令人興奮的新方法」來減少網絡的計算時間，毫無疑問，這將在未來的論文中被敘述。

摔倒後能夠站起來的機器人

四肢行走的機器人已經很靈活了，它們能自信地處理各種地形。但是當他們摔倒的時候，基本就是災難區。一般來說，他們靠自己是沒法重新站起來的。

這些機器人的腿的配置方式使得它們很難完成在直立方式下能做到的事情。不過，由蘇黎世聯邦理工學院(ETH Zurich)開發的機器人ANYmal配備一個更多功能的裝置，可以讓它的腿獲得額外的自由度。

這個額外的自由度有什麼用?可以做各種事情。但是要找出機器人運動的最佳方式來達到速度和穩定性的最大化是非常困難的。那麼，為什麼不使用模擬來同時測試數千個奇蹟人可能遇到的不同場景，並將其結果用於現實世界呢?

這種基於模擬的學習並不總是有效，因為現在還不可能準確地模擬所有涉及到的物理現象。但是它可以產生非常新穎的行為，或者簡化人類認為已經是最優的行為。

無論如何，蘇黎世聯邦理工學院的研究人員的新研究不能僅讓機器人跑得更快，還教會了它一個驚人的新技巧:從跌倒中爬起來。不管怎麼跌倒都能爬起來。聽起來很優秀吧!

令人驚奇的是，這個機器人發明了一種基本的技術，可以從幾乎任何可能的摔倒中站起來。記住，這不是人們設計出來的——是模擬和進化算法通過反覆嘗試數千種不同的行為，並保持那些有效的行為而得到的。

能夠讀懂抽象指令並與現實世界連接起來的機器人

假設給你三個碗，中間那個碗裡有紅球和綠球。然後給你一張紙:

人類具有大腦，你根據這張紙上的指示，你就會明白綠色和紅色的圓圈代表著這些顏色的球，紅色的要往左，綠色的要往右。

這是一種人類應用大量知識和直覺理解卻沒有意識到的事情。你是怎麼決定用圓圈來代表這些球的?因為形狀?那麼為什麼箭頭不指向「真正的」箭頭呢?你怎麼知道向右或向左走多遠?你怎麼知道這張紙上的內容就是告訴你某種規則?你可以在瞬間解決所有的問題，但任何一個問題都可能難倒機器人。

研究人員已經邁出了一小步，他們希望能夠將上述抽象的表象與現實世界聯繫起來，而這一任務涉及到大量的機器創造力或想像力。

在圖中的白色背景上的綠點與現實世界中黑色背景上的綠色圓形物之間建立連接並不明顯，但由Miguel Lázaro-Gredilla和他的同事在Vicarious AI創造的「視覺認知計算機」似乎表現的就很不錯。

當然，它現在還非常不完善，但在理論上，它是人們用來組裝一件宜家家具的相同工具集:查看一個抽象的表示，將它與現實世界的對象連接起來，然後根據指令操作這些對象。我們離這個目標還有好幾年的時間，但就在不久前，我們離機器人自己從跌倒中爬起來，或者決定用吸盤或鉗子更好地撿起東西還有好幾年的時間。

本文來源前瞻網，轉載請註明來源。本文內容僅代表作者個人觀點，本站只提供參考並不構成任何投資及應用建議。（若存在內容、版權或其它問題，請聯繫：service@qianzhan.com）　品牌合作與廣告投放請聯繫：0755-33015062 或 hezuo@qianzhan.com

相關焦點

  • 為家政機器人配上這款機械手,一張紙巾掉地上都能捏起來
    「工欲善其事必先利其器」，一隻好用可靠的機械手也可以大大提升機器人的收拾屋子的效率和成功率。Preferred Networks團隊的工程師近日就研發了一款專門適用於撿起家中各種物品的機械手，並發表於國際著名機器人雜誌《IEEE Robotics and Automation Letters》上。該款機械手不僅可以抓握多種形狀不規則的物體，甚至可以抓取地面上的衣物，柔軟的書本，甚至餐巾紙和塑膠袋。
  • 一種「壓電材料驅動的微型夾爪」可抓取自重30倍的物體
    導讀 微型機器人指的是尺寸以毫米或者微米計量的機器人，它們結構精巧，通常由智能材料驅動，例如具有壓電效應的電活性材料。雖然現在很多微型機器人都展示了不錯的運動能力，但它們還缺少一個關鍵的部件，那就是能夠有效進行物體抓取，和環境交互的「夾爪（gripper/manipulator）」，在一定程度上限制了它們的能力。
  • 機器人產業新突破:輕鬆抓取光滑物體的「章魚觸手」華麗現世
    一款靈活的機器人觸手已經問世——它有望在工廠和人們的家中發揮重要的作用。這種機器人觸手能夠「輕鬆優雅」地抓取光滑物體，或將物體遞到你手中。這款機器人名為「章魚觸手」（Octopus Gripper），由在製造仿生機器人領域經驗頗豐的德國公司Festo研發。
  • 福祉科普|柔性抓取機器人
    柔性抓取機器人可以說是現代機器人產業中的一股"泥石流"，和目前機器人最常用的剛性結構不同的是：其具有較多的自由度且結構簡單，不僅需要保證靈活性和柔韌性，還要在不傷害物品的前提下進行抓取。哈佛大學研發的超軟納米纖維機器人抓手，可抓取水下軟體生物，例如水母。又為我們打開了新世界的大門。
  • 有感官反饋能抓取本身220倍重物的軟機器人
    如果沒有外部纖維的約束，軟體驅動器通會像氣球一樣膨脹起來。 下面兩張圖可看出未抓取物體和抓取物體的不同電阻變化： 超強負載能力的變剛度結構 抓取物體的基本條件實現了，那如何保證抓取後不會掉落呢 簡單強大獨一無二 目前我們看到的大多數機械抓手都採用了爪子或手的形式。 但帶有向內彎曲的手指抓具可能受到多種方式的限制，當處理形狀不同的物體時，他們無法抓握比抓具開口更寬的物體。 相比之下，盤旋觸手是可伸縮的，這使它可以適應不同的物體形狀。
  • 德國FZI讓機械手像人手一樣自適應抓取各種物體
    擬人化靈活抓取的挑戰 隨著進化，人類擁有先進而靈活的抓握能力。人類利用大腦控制迴路的組合共同作用讓手抓取物體。根據傳感器的反饋，如果物體移動或變形，手可以適應其運動，這稱為軟抓取。擬人化的手進行軟抓握是機器人在環境中與人形物體交互的重要功能。
  • 康奈爾大學發明柔軟機器人手,可以「感覺」到物體的形狀和紋理
    「抓取」這個動作對於很多機器人來說都至關重要，機器人想要完成一些特定動作肯定離不開機械臂對物體的抓取操作，但是通常的機械爪都是金屬製成的，它們在操作過程中可能會對一些相對脆弱的物品造成損壞，甚至傷害到人類。
  • 中國科大研發柔性機器人手爪 可抓豆腐紙張玻璃杯
    中新社合肥12月11日電(記者 吳蘭) 同一操作環境下，抓起細嫩的豆腐、薄薄的紙張、易滑的玻璃杯……對於中國科學技術大學(簡稱中國科大)自主研發的一款柔性機器人手爪來說，是一件很簡單的事情。據悉，量產後這款手爪成本預計在1000元人民幣以下。
  • 最牛抓取機器人:X射線「看透」物體堆,還能適應不同環境
    第一項研究介紹了X射線機器搜索方案，能提高機器人識別目標物體的準確率。第二項研究介紹了一個適應訓練算法，能提升機器人在不同環境中抓取目標物體的能力。在實驗環境中，機器人模型的抓取準確率達到82%！在模擬真實環境條件下，該機器人模型的抓取準確率也可以達到最高90%。
  • 伊朗秀出其最先進的人形機器人SurenaIV 重點在手部
    【CNMO新聞】據外媒報導，德黑蘭大學的一組工程師剛剛揭開了一款令人驚訝的複雜人形機器人的面紗。這款代號為「SurenaIV」的機器人是德黑蘭大學先進系統與技術中心（Center For Advanced Systems And Technologies）長達十年的項目的最新一代產品，該項目旨在製造功能強大的仿生機器人。在近光捲軸上，蘇雷娜4號使用電鑽和擺姿勢自拍。
  • 軟體機器人手指可以提供高精度的本體感覺和準確預測被抓取的物體
    打開APP 軟體機器人手指可以提供高精度的本體感覺和準確預測被抓取的物體 IEEE電氣電子工程師 發表於 2020-06-12 16:53:15
  • 「蛇型」機械抓取器誕生，可抓取比自身重220倍的物體
    「大象、蟒蛇或章魚之類的動物會利用其柔軟、連續的身體結構來抓緊物體，同時增加接觸的穩定性，使它們易於探查、抓握和操控物體。這些動物之所以能夠做到這一點，是因為它們有高度敏感的觸覺以及成千上萬塊沒有堅硬骨骼的肌肉，例如象鼻就有多達 40,000 塊肌肉。」Thanh Nho Do 博士介紹說。
  • 《科學機器人》：真正的仿生手來了，可恢復截肢者90%以上功能
    使是最先進的假肢手臂，也無法達到人類手的複雜性、靈活性和適應性。當前我們能夠見到的上肢假肢系統，只能稱為一種工具，而不能成為失臂或失手者的替代品。在最新一期Science Robotics《科學機器人》封面中，義大利理工學院IIT實驗室就展示了一款最新開發的仿生手Hannes，不僅外觀與人手非常相似，而且可使截肢患者恢復90%以上功能，其設計理念也被授予Compasso d'Oro國際工業設計獎。
  • 這個機器人抓手讓物體能夠懸浮,有望用在航空領域
    ETH先鋒研究員Marcel Schuck正在開發一種機器人抓取器，該技術基於聲波實現抓取，最好的創意點在於該抓取器可以操縱小而易碎的物體而不會碰到它們。圖片來源：ETHZürich/ Stefan Weiss讓抓取輕而易舉：這是Schuck的項目「 No-Touch Robotics」的初始原理。該技術基於一種已經被開發了80多年的原理，並首次被用於太空探索。因為超聲波會產生人類看不見或無法聽到的壓力場，當聲波相互重疊時會產生壓力點，並且小物體可能會被困在這些點內。
  • 並聯機器人智能抓取系統
    具有機器視覺的工業機器人就像擁有了人的眼睛，變得智能化，比傳統工業機器更加靈活、安全，能夠適應更多複雜的生產製造場景，滿足更多個性化需求。勃肯特機器人可以依據客戶多樣化需求，設計相應的解決方案。
  • 阿爾法狗已經逆天 為啥機器人地上撿東西那麼難?
    抓住竅門「抓取某個物體聽起來簡單，人類甚至不用思考就能輕鬆完成，但對於機器人來說這一動作卻非常微妙且難以捉摸。」Goldberg 說道。但如果仔細推敲，這一過程其實要依靠我們大腦中非常複雜的網絡來完成。就拿端起馬克杯來說，人類大腦會自動計算出怎樣握持杯子最穩，它連每個指頭該放的地方都規定的清清楚楚。
  • 三次角膜移植後,他發明一款聲控機器人戴摘隱形眼鏡
    在網上搜索一番，我們會得到答案：清洗雙手，對著鏡子用左右手中指分別輕拉上下眼瞼，使黑眼球完全暴露在空氣中。接著，用右手食指、拇指接觸鏡片邊緣，把鏡片向中間拱起、脫離眼球。這之後，再對鏡片進行清潔。然鵝對於手殘黨來說，每次摘取隱形眼鏡還是好難。
  • 中科大研發柔性機器人手爪:可抓取豆腐 紙張 玻璃杯
    近日，中國科學技術大學自主研發一款柔性機器人手爪。從圓形的蘋果、碗，到方形的積木、豆腐，從塑料瓶、玻璃杯到普通膠帶、手機，這款機器人手爪都能準確抓住，並移送到指定位置。　　中國科大機器人實驗室主任、計算機學院教授陳小平介紹，機器人末端夾持器(俗稱機器人手爪)是服務機器人和智能製造機器人等領域的關鍵部件之一，近年來已成為該領域中機器人實際應用的一大瓶頸。
  • 伯克利AI實驗室最新發文:公布用於機器人抓取的Dexterity Network...
    雷鋒網全文翻譯如下：由於傳感器噪聲和遮擋的存在,物體的形狀、位置和質量往往不能被精準確定，因此讓機器人能夠可靠地抓取各種不同的物體是很大的一項挑戰。Dexterity Network（Dex-Net）2.0是一個以魯棒機器人抓取的物理模型為核心的項目，通過多達上千種3D CAD物體模型，生成了海量的平口鉗抓取數據集。
  • MIT「食人花」能抓起120倍自重物體!摺紙,又顛覆了我的三觀!
    Daniela教授表示：「我的目標就是設計一種會幫你打包行李、雜貨的機器人。目前的機械臂能抓取的物品種類極其有限——要麼不能太重，要麼形狀有要求，例如方形、圓柱形等。現階段這個抓取器能夠拿起並放下各種東西，包括酒瓶、花椰菜、葡萄和雞蛋等。」