都在用的報告小程序
寫文章、做研究、查資料【必備】
微信掃一掃，我知道了對物理定律有直觀理解的機器人可能聽起來像艾薩克·阿西莫夫科幻小說中的某些東西，但谷歌機器人部門的科學家們表示，他們已經基本上創造出來了。他們認為，在這樣做的過程中，可以為未來學習投擲、滑動、旋轉、揮桿、接球和其他運動技能的系統奠定基礎，這些技能目前對即使是功能最強大的機器也是一大挑戰。
「儘管在使機器人有效抓握物體，視覺上自我適應甚至從實際經驗中學習方面取得了相當大的進步，但機器人操作仍需要仔細考慮如何拾取、處理和放置各種物體，尤其是在非結構化設置中。」谷歌學生研究員Andy Zeng在博客中寫道，「所以，機器人能不能學會有利地使用它們，而不是僅僅是基於動力學，從而開發出一種物理『直覺』，能讓它們更有效地完成任務?」
為了回答這個問題，Zeng和他的同事們與普林斯頓、哥倫比亞和麻省理工學院的研究人員合作，開發了一種他們稱為TossBot的拾取器機器人，該機器人學會抓取物體，並將物體扔到其「自然範圍」之外的盒子裡。TossBot不僅比以前最先進的型號快兩倍，而且實現了兩倍的有效放置範圍，可以通過自我監督來提高。
可預測性的投擲並不容易——即使對人類來說也是如此。抓握、姿勢、質量、空氣阻力、摩擦力、空氣動力學以及無數其他變量會影響物體的軌跡。通過反覆試驗建立彈丸物理模型在一定程度上是可能的，但Zeng指出，計算成本太高了，需要大量的時間，並且不會產生特別普遍的策略。
相反，TossingBot使用彈丸彈道模型來估計將物體送到目標位置所需的速度，並使用端對端神經網絡 - 以生物神經元為模型的數學函數層 - 對來自頭頂的視覺和深度數據進行訓練，從而在預測該估計值基礎上調整攝像頭。 Zeng表示，這種混合方法使系統的投擲準確率達到85%。
教TossingBot抓住物體有點棘手。首先，它會反覆嘗試「糟糕」的抓取動作，直到找到更好的方法，同時，它還會偶爾以從未嘗試過的速度隨機投擲物體，從而提高自己的投擲能力。在經過大約14個小時的10,000次抓握和投擲嘗試後，TossingBot可以在87%的時間內牢牢抓住雜亂堆中的物體。
也許更令人印象深刻的是，經過一兩個小時的訓練，TossingBot可以適應前所未見的位置和假水果、裝飾物品和辦公物品，以及類似的、幾何形狀簡單的小東西。 「TossingBot可能會更多地依賴幾何線索(例如形狀)來學習抓握和投擲。」Zeng說，「這些新出現的特徵都是從無到有，在任務級的抓握和投擲之外，沒有任何明確的監督。然而，它們似乎足以使系統能夠區分對象類別(如桌球和記號筆)。」
研究人員承認，TossingBot還沒抓取過脆弱物體進行測試，並且使用嚴格的可視化數據作為輸入，這可能會妨礙其在測試中對新對象做出反應的能力。但是他們表示，物理學和深度學習相結合的基本理念，是未來工作一個有前景的方向。
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