Новый метод улучшает возможности захвата у роботов

Проблема адаптации роботов

Роботы, которые собирают и перемещают объекты (например, на сборочных линиях), могут оказаться полезными, но обычно они запрограммированы только на захват определенных типов объектов, которые помещаются в определенную ориентацию. Однако теперь ученые разработали метод, позволяющий им быть более универсальными.

«Одним из ключевых недостатков современных роботизированных систем захвата является невозможность быстро адаптироваться к изменениям, например, когда объект перемещается», - говорит д-р Юрген Лейтнер из Австралийского технологического университета Квинсленда (QUT). «Мир не предсказуем - все меняется, перемещается и смешивается, и часто это происходит без предупреждения, поэтому роботы должны иметь возможность адаптироваться и работать в очень неструктурированных средах, если мы хотим, чтобы они были эффективными».

Новый робот-подборщик

С этой целью команда под руководством Лейтнера начала разработки искусственной нейронной сети (системы на основе искусственного интеллекта, которая позволяет компьютерам изучать задачи, анализируя примеры). Используя эту сеть и камеру с отображением глубины, двухпалый робот-подборщик впоследствии смог составить карту по пиксельной глубине движущейся, загроможденной коллекции объектов, расположенных перед ней, а затем определить лучший метод захвата любого из этих объектов.

«Сопоставляя то, что перед ним, используя изображение за один проход, роботу не нужно пробовать много разных захватов, прежде чем принимать решение, избегая длительных вычислений», - говорит исследователь PhD Дуглас Моррисон, один из членов команды. «В наших реальных тестах мы достигли успеха в 83% на множестве ранее невидимых объектов с состязательной геометрией и 88% на наборе предметов домашнего обихода, которые были перемещены во время попытки захвата. Мы также достигаем 81-процентной точности, когда робот работает в условиях динамического беспорядка».

Эта технология основывается на системе, которую команда использовала для победы в Amazon Picking Challenge в 2017 году. Ученые из MIT и Princeton также разработали систему, которая позволяет роботам захватывать случайные объекты из корзины, а затем определять, что это за объекты и где они должны быть.

Вы можете увидеть робота QUT в действии, в видео ниже.