Avaldatud: 8. mail 2025 / Värskendus: 9. mai 2025 - autor: Konrad Wolfenstein
Kombatav robootika: robot puudutustundega: Vulcani uus põlvkond ja haptiliste objektide äratundmise-kujundus: xpert.digital
MIT -süsteem objektide äratundmiseks ilma spetsiaalsete andurite ja Amazoni vulcan -robotita
Masinate haptiline ettekujutus: uued standardid objektide äratundmisel
Robootika valdkonnas tähistab kombatavate anduri ja identifitseerimissüsteemide arendamine otsustavat edu, mis võimaldab esimest korda masinatel mitte ainult oma ümbrust näha, vaid ka „tunda”. Seda arengut näidab Amazoni uus Vulcan Robot ja MIL -i uuenduslik objektide tuvastamise süsteem. Mõlemad tehnoloogiad laiendavad märkimisväärselt robotite võimalikku kasutamist ja võimaldavad ülesandeid, mida on varem hallanud eranditult nende loomuliku haptiline taju.
Sobib selleks:
Amazonist pärit vulcan robot: läbimurre kombatava roboti käepideme piirkonnas
Funktsioneerimine ja tehnoloogilised alused
Amazoni välja töötatud Vulcan Robot esindab olulist tehnoloogilist arengut füüsilise tehisintellekti valdkonnas. Amazon kirjeldab arengut ennast kui “läbimurret robootika ja füüsilises AI -s”. Süsteem koosneb kahest põhikomponendist: “Stow”, et leppa ja valida objektide eemaldamiseks. Selle silmapaistev kvaliteet on võime tajuda kombatavat ümbrust.
Vulkaanide kombatavate oskuste tehnoloogiline alus moodustavad spetsiaalsed jõugloogi andurid, mis näevad välja nagu hokikiik ja võimaldavad robotil "tunda" jõudu, millega ta saab objekti haarata, ilma et see kahjustaks. Amazoni robootika AI direktor Adam Parness rõhutab selle lähenemisviisi ainulaadsust: „Vulcan ei ole meie esimene robot, mis oskab objekte liigutada. Kuid oma puudutuse tunnetamisel - mõistmiseks, millal ja kuidas ta objektiga kokku puutub - avab ta uusi võimalusi tööprotsesside ja rajatiste optimeerimiseks”.
Objektide sorteerimiseks riiulites kasutab Vulcan tööriista, mis sarnaneb joonlauaga, mis on liimitud juuste sileda raua külge. Selle “joonlaua” abil lükkab ta teised objektid kõrvale, et teha ruumi uutele artiklitele. Haaravad käed kohandavad käepideme paksust sõltuvalt objekti suurusest ja kujust, samal ajal kui integreeritud konveierilindid suruvad objekti konteinerisse. Objektide väljavõtmiseks kasutab Vulcan imemisvõru koos kaamerasüsteemiga.
Praegused rakendusvaldkonnad ja jõudlus
Vulcan -robotit testitakse praegu kahes Amazoni logistikakeskuses: Winseni lähedal Hamburgi (Saksamaa) ja Spokane'is, Washingtonis (USA). Washingtonis on aktiivsed kuus Stow-Vulkaani robotit, mis on juba pool miljonit artiklit edukalt säilitanud. Winsenis töötavad kaks valitud vulkaani, kes on juba käitlenud 50 000 tellimust.
Süsteemi jõudlus on tähelepanuväärne: Vulcan suudab praegu hakkama umbes 75 protsenti miljonitest toodetest, mida Amazon pakub. Väikseim objekti suurus, mida robot saab manipuleerida, vastab huulepulgale või USB -pulgale. Eriti muljetavaldav on roboti võime tuvastada objekte reaalajas, kuna Parness selgitab, et tal on võimatu meelde jätta kõik esemete eripärad.
Tulevikuplaanid ja integreerimine logistikaahelisse
Amazon kavatseb lähiaastatel märkimisväärselt suurendada vulkaani robotite arvu. Sel aastal tuleb Winseni vulkaanide arvu suurendada 60 -ni ja Washingtonis 50 tükini. Pikas perspektiivis on kavas kasutada roboteid logistikakeskustes kogu Euroopas ja USA -s.
Amazoni strateegia oluline aspekt on inimese ja masina kooseksisteerimine. Ettevõtte üldplaan näeb ette, et inimesed ja masinad töötaksid paralleelselt kõrvuti. Ennekõike peaksid robotid riiulil olevad tooted üle võtma, et inimene ei jõua ilma redeli või kelle jaoks ta peaks liiga palju painutama. See peaks põhjustama üldist üldist tõhusust ja vähendama samal ajal töötajate töökoormust.
MIT -süsteem objektide äratundmiseks käitlemise kaudu: intelligentne “tunne” ilma spetsiaalsete anduriteta
Uuenduslik lähenemine objektide tunnustamisele
Paralleelselt Amazoni vulkaaniga on MIT -i teadlased Amazoni robootikast ja Briti Columbia ülikoolist välja töötanud süsteemi, mis järgib teistsugust lähenemisviisi robotitele haptiliste oskuste andmiseks. See tehnoloogia võimaldab robotitel ära tunda sellise objekti omadused nagu kaal, pehmus või sisu, valides selle lihtsalt üles ja raputades seda hõlpsalt - nagu inimesed tundmatute objektidega tegelemisel.
Selle lähenemisviisi eriline on see, et erilisi kombatavaid andureid pole vaja. Selle asemel kasutab süsteem ühist koodi, mis on juba enamikus robotites - andurid, mis jäädvustavad liikumise ajal liigeste pöörlemisasendit ja kiirust. MIT-Postdoc ja uurimistöö peamine autor Peter Yichen Chen selgitab projekti taga olevat visiooni: “Minu unistus oleks robotite maailma välja saata, et nad puudutaksid ja liigutavad asju ning selgitavad iseseisvalt omadusi, millega nad suhtlevad”.
Tehniliste funktsioneerimise ja simulatsioonimudelid
MIT -süsteemi tuum koosneb kahest simulatsioonimudelist: üks, mis simuleerib robotit ja selle liikumist, ning teine, mis reprodutseerib objekti dünaamikat. Teine MIT-Postdoc Chao Liu rõhutab nende digitaalsete kaksikute olulisust: "Reaalse maailma täpne digitaalne koopia on meie meetodi edu jaoks tõesti oluline".
Süsteem kasutab tehnoloogiat nimega „diferentseeritav simulatsioon”, mis võimaldab algoritmil ennustada, kuidas objekti omaduste, näiteks massi või pehmuse väikesed muutused mõjutavad robotühenduste lõppasendit. Niipea kui simulatsioon vastab roboti tegelikele liikumistele, on süsteem tuvastanud objekti õiged omadused.
Selle meetodi otsustav eelis on selle efektiivsus: algoritm võib arvutused läbi viia mõne sekundi jooksul ja see nõuab roboti töö tegelikku liikumistrajektoori ainult. See muudab süsteemi reaalsete rakenduste jaoks eriti odavaks ja praktiliseks.
Rakenduse potentsiaal ja eelised
Välja töötatud tehnoloogia võiks olla eriti kasulik rakendustes, kus kaamerad on vähem tõhusad, näiteks objektide sorteerimisel pimedas keldris või kui varemete ruum osaliselt varisenud hoones pärast maavärinat.
Kuna algoritm ei vaja koolituse jaoks ulatuslikku andmekogumit, näiteks mõned meetodid, mis tuginevad arvutinägemisele või välistele anduritele, on see vigadele vähem vastuvõtlik, kui see seisab silmitsi tundmatu keskkonna või uute objektidega. See muudab süsteemi eriti vastupidavaks ja mitmekülgseks.
Laiem uurimismaastik robootika kombatavatele anduritele
Põhilised väljakutsed ja praegused lahendused
Robotite areng, millel on puudutustunnetus, tutvustab uurimistööd põhilisi väljakutseid. Kuigi inimese kombatav süsteem on äärmiselt keeruline ja nüansirikas, peavad kunstlikud süsteemid seda tehnoloogiliste vahenditega reprodutseerima. Berkeley California ülikoolist pärit robot Ken Goldberg rõhutab selle ülesande keerukust: “Inimlik puudutustunne on uskumatult nüansirikas ja keeruline, ulatusliku dünaamilise valdkonnaga. Kuigi robotid teevad kiiresti edusamme, oleksin üllatunud, kui näeksin järgmise viie aasta jooksul inimliku andureid inim tasandil.”
Nendele väljakutsetele vaatamata on teadusuuringutes suuri edusamme. Näiteks Fraunhofer IFF arendab kombatavaid andurisüsteeme, mis võimaldavad reaktiivset haardet vastavalt inimese käe mudelile ja sobivad ideaalselt habraste või painutavate plaatide käsitsemiseks. Anduri andmeid kasutatakse nii haaratsite, komponentide ja asukoha tuvastamise kui ka protsesside jälgimise kohandamiseks.
Uuenduslikud uurimisprojektid kombatava robootika valdkonnas
Lisaks Amazoni ja MIT arengule on kombatavate robotiandurite valdkonnas ka muid olulisi uurimisprojekte:
Intelligentsete süsteemide Max Plancki instituut on välja töötanud haptilise anduri nimega Insight, mis tajub puudutust kõrge tundlikkusega. Instituudi uurimisrühma juht Georg Martius rõhutab anduri jõudlust: "Meie andur näitab suurepärast jõudlust tänu kesta uuenduslikule mehaanilisele kujundusele, kohandatud kujutatud pildisüsteemile, automaatsele andmete hankimisele ja tänu uusimatele sügava õppe meetoditele". Andur on nii tundlik, et see võib isegi raskusjõu suhtes tunda omaenda orientatsiooni.
Veel üks huvitav projekt on DensePehySnet, süsteem, mis viib aktiivselt läbi dünaamiliste interaktsioonide jada (nt libisemine ja kokkupõrge) ning kasutab oma visuaalsete vaatluste kohta sügavat ennustavat mudelit tiheduse õppimiseks, pikslitega kujutisi, mis kajastavad täheldatud objekte. Nii simulatsiooni kui ka reaalse keskkonna katsed näitavad, et õpitud esitused sisaldavad rikkalikku füüsilist teavet ja neid saab kasutada otse füüsiliste objektide omaduste, näiteks hõõrdumise ja massi dekodeerimiseks.
Sobib selleks:
Kombatavate robotüsteemide tulevikuväljavaated
Multimodaalsete andurisüsteemide integreerimine
Kombatava robootika tulevik seisneb mitmesuguste sensoorsete mooduste integreerimises. Teose teadlased juba tehisintellekti õpetamiseks, selliste meelte nagu nägemine ja puudutamine. Mõistes, kuidas need erinevad sensoorsed viisid koos töötavad, saavad robotid arendada oma ümbruse terviklikumat arusaama.
MIT -i meeskond plaanib juba ühendada teie objektide äratundmise meetodi arvutinägevusega, et luua veelgi tõhusam multimodaalsed andurid. "See töö ei ürita arvutinägemist asendada. Mõlemal meetodil on oma plussid ja puudused. Kuid siin oleme näidanud, et saame juba mõned neist omadustest teada ilma kaamerata," selgitab Chen.
Laiendatud rakendusalad ja edasised arengud
MIT -i meeskonna teadlased soovivad uurida ka rakendusi keerukamate robotite süsteemidega nagu pehmed robotid ja keerukamad objektid, sealhulgas slosh -vedelikud või granuleeritud söötmed, näiteks liiv. Pikas perspektiivis loodate seda tehnoloogiat kasutada robotite õppimise parandamiseks, et tulevased robotid võimaldaksid kiiresti arendada uusi manipuleerimisoskusi ja kohaneda muutustega teie keskkonnas.
Amazon plaanib lähiaastatel Vulcani tehnoloogiat edasi arendada ja seda laiemalt kasutada. Vulcani integreerimine ettevõtte 750 000 mobiilse robotiga näitab põhjalikku automatiseerimise kontseptsiooni, mis võiks logistikatööstust põhimõtteliselt muuta.
Kombatav õppimine: kui andurid annavad robotite taktitundele
Robotite arendamine puudutustundega, mille näitas Amazoni Vulcan ja objektide äratundmise kaassüsteem, tähistab robootika otsustavat pöördepunkti. Need tehnoloogiad võimaldavad robotitel võtta ülesandeid, mis olid varem inimestele reserveeritud, kuna need vajavad tundlikkust ja kombatavat mõistmist.
Erinevad lähenemisviisid-Amazoni keskendumine spetsialiseeritud anduritele ja olemasolevate andurite kasutamise kaaskontseptsioonile haptiliste järelduste jaoks näitusel selle valdkonna uurimissuundade mitmekesisus. Mõlemal lähenemisel on oma konkreetsed tugevused ja rakendusalad.
Taktikaliste oskuste järkjärgulise integreerimisega robotisüsteemides avanevad uued võimalused logistika, tootmise, tervishoiu ja paljude muude valdkondade keerukate ülesannete automatiseerimiseks. Robotite võime mitte ainult näha nende ümbrust, vaid ka „tunda”, viib meile olulise sammu lähemale tulevikule, kus robotid ja inimesed saavad koos töötada veelgi lähemal ja intuitiivsemalt.
Sobib selleks:
