我們看過很多關於工業機器人的報導,它們替代人類的崗位,在車間靈活高效的完成各項工作,我們害怕又驚喜,暗自想像這樣的機器人長啥樣?可能是這樣達到吧:
☟它們的手臂關節和我們人類一樣,輕鬆勝任各項工作:
然而,現實和理想的差距還是很大的。下面讓我們來看看,這個號稱史上最靈活的機械臂究竟長啥樣。
大多數人認為用手去抓取東西是一件非常簡單的事情,但事實並非如此。人的一隻手有20多個自由度,表面布滿的觸覺神經,人手的靈活性及對整個身體的重要性,在大腦看來其實是這樣的:
舉個例子:當人看見一個礦泉水瓶時,視覺上的感官和經驗告訴我們他是塑料的,我們會下意識的知道它大概多重重心在哪,抓取哪個位置會更合適……這些默會性知識,對人來說可能是自然而然發生的,對機器人卻難上加難。首先,它要識別被抓取的物體、選擇最優的抓取點、施加合適的力、使物體實現預期的行為……
所以從1980年左右,史丹福大學做出第一個機械臂後到如今將近35年的歷史,幾個月前全球公認最好的機械臂也只不過如ABB的YuMi那樣,雙臂協作,可以裝配固定的零部件。
但是近日,加州大學伯克利分校的研究人員,為YuMi機械臂研發出了一個超強大腦Dex Net 2.0。這個超強大腦讓YuMi有了自己的記憶庫:系統搭載深度學習網絡,已經對虛擬圖書館資料庫中超過10000件三維物體進行了識別,並且當新物體出現的時候,機器人可以迅速通過深度學習系統,對物體進行識別,探究得出一種最佳的抓取方案,準確的對各種物體進行抓取。這個裝上深度學習大腦的雙臂機器人被稱作史上最敏捷的機器人。
裝上大腦的機器人YuMi不再只能抓固定物體,它可以抓取任何形狀不規則的物體,實驗數據顯示,這個成功率可以高達98%。而且,當該款機器人實在難以找到相關數據,不能得出如何抓取形狀不規則物體的方案時,機器人會通過觸摸物體來更好的進行計算,選取最優的抓取方案。一旦機器人採取了觸摸的預處理,那麼它抓取並抬高物體的成功率將會達到99%以上。
Dex Net 2.0項目的研究人員說:「Dex-Net 2.0的關鍵開發了結合物理學與深度學習的混合式的機器學習方法。它結合了大量3D對象形狀的數據集,基於物理學的抓取力學模型和採樣統計生成670萬個訓練示例,然後使用深度學習網絡學習在給定3D傳感器雲點時快速找到可靠的抓取函數的功能。它訓練了很多次可靠的抓取,類似於最近的計算機視覺和語音識別結果。」
項目的介紹人員稱,Dex-Net 2.0與任何3D相機和平行抓夾具都兼容,他們計劃發布「Dex-Net作為一項服務」,用於創建具有自定義3D模型的新資料庫,並計算出抓取的魯棒性指數。
雖然大多數人看起來這項功能很簡單,但其中艱辛也只有專業人員才懂吧,完整視頻如下:
1.機器人大講堂
2.機器人大講堂走進百所高校
歡迎冠名支持機器人大講堂公益事業
我們將會為你提供以下服務;
1.產品展示
2.線上宣傳報導
3.活動現場宣傳
4.領導出席發言
5.人才對接招聘
意向合作,文章轉載, 均可聯繫堂博士電話:13810423387(同微信)。
以上需求均可聯繫微信:35735796。