触覚ロボット：タッチ感覚のロボット：触覚オブジェクト認識イメージに関する新世代のバルカンと共同研究：xpert.digital
Amazonの特別なセンサーとVulcan Robotを使用せずにオブジェクト認識のためのMITシステム
機械に対する触覚認識：オブジェクト認識の新しい標準
ロボット工学の領域では、触覚センサーと識別システムの開発は、マシンが周囲を見るだけでなく、「感じる」ことを初めて可能にする決定的な進歩を示しています。この開発は、Amazonの新しいVulcan RobotとMILの革新的なオブジェクト検出システムによって実証されています。両方のテクノロジーは、ロボットの可能な使用を大幅に拡大し、以前は自然な触覚の認識を持つ人々によって独占的に管理されていたタスクを有効にします。
に適し：
AmazonのVulcan Robot：触覚ロボットハンドルの領域のブレークスルー
機能と技術の基礎
Amazonが開発したVulcan Robotは、物理的な人工知能の分野における重要な技術的進歩を表しています。 Amazonは、開発自体を「ロボット工学と物理的AIのブレークスルー」と説明しています。このシステムは、2つの主要なコンポーネントで構成されています：収納する「収納」とオブジェクトを削除する「ピック」。その優れた品質は、周囲の触覚を知覚する能力です。
Vulcansの触覚スキルの技術的基盤は、ホッケーパックのように見える特別なパワートルクセンサーを形成し、ロボットが損傷することなくオブジェクトをつかむことができるパワーを「感じる」ことができます。 AmazonのRobotics AIのディレクターであるAdam Parnessは、このアプローチの独自性を強調しています。「Vulcanはオブジェクトを動かすことができる最初のロボットではありません。しかし、彼の感覚で - オブジェクトといつ、どのように接触するかを理解するために - 彼は作業プロセスと施設を最適化するための新しい可能性を開きます。」
棚にオブジェクトを並べ替えるために、バルカンは髪の滑らかな鉄に接着された定規に似たツールを使用します。この「支配者」で、彼は他のオブジェクトを脇に押し出して、新しい記事の余地を作ります。グリッピングアームは、オブジェクトのサイズと形状に応じてハンドルの厚さを適応させますが、統合されたコンベアベルトはオブジェクトをコンテナに押し込みます。オブジェクトを出すために、バルカンはカメラシステムと組み合わせて吸引グリッパーを使用します。
アプリケーションとパフォーマンスの現在の領域
バルカンロボットは現在、ハンブルク（ドイツ）近くのウィンセンとワシントン州スポケーン（米国）の2つのAmazon Logistics Centersでテストされています。ワシントンでは、6つのストウブルカンロボットがアクティブであり、すでに50万件の記事を保存しています。すでに50,000の注文を処理しているWinsenで2人のPick-Vulcansが機能しています。
システムのパフォーマンスは注目に値します。バルカンは現在、Amazonが提供する数百万の製品の約75％を処理できます。ロボットが操作できる最小のオブジェクトサイズは、口紅またはUSBスティックに対応します。特に印象的なのは、ロボットがオブジェクトをリアルタイムで識別する能力です。なぜなら、「アイテムのすべての詳細を暗記することは不可能である」からです。
将来の計画とロジスティクスチェーンへの統合
アマゾンは、今後数年間でバルカンロボットの数を大幅に増やす予定です。今年、ウィンセンのバルカンの数は60に、ワシントンでは50ピースに増加します。長期的には、ヨーロッパと米国の物流センターでロボットを使用することが計画されています。
Amazon戦略の重要な側面は、人間と機械の共存です。同社の「マスタープラン」は、人々とマシンが並行して並んで作業することを規定しています。とりわけ、ロボットは、棚の上の製品を引き継ぎ、はしごなしでは届かない、または彼があまりにも曲がらなければならないだろう。これにより、全体的な効率が高くなり、同時に人間の従業員のワークロードを減らすことができます。
取り扱いによるオブジェクト認識のためのMITシステム：特別なセンサーなしでインテリジェントな「感触」
オブジェクト認識への革新的なアプローチ
AmazonのVulcanと並行して、Amazon Roboticsとブリティッシュコロンビア大学のMITの研究者は、ロボットの触覚スキルを与えるための異なるアプローチに従うシステムを開発しました。このテクノロジーにより、ロボットは、不明なオブジェクトを扱うときのように、単にそれを拾い上げて簡単に振るだけで、重量、柔らかさ、コンテンツなどのオブジェクトのプロパティを認識できます。
このアプローチの特別な点は、特別な触覚センサーが必要ないことです。代わりに、システムは、ほとんどのロボットに既に存在する共同コードを使用します - 動き中のジョイントの回転位置と速度をキャプチャするセンサー。 MIT-Postdocであり、研究作品の主な著者であるPeter Yichen Chenは、プロジェクトの背後にあるビジョンを説明しています。
技術的な機能モデルとシミュレーションモデル
MITシステムのコアは、2つのシミュレーションモデルで構成されています。1つはロボットとその動きをシミュレートするものと、オブジェクトのダイナミクスを再現するものです。別のMIT-PostdocであるChao Liuは、これらのデジタル双子の重要性を強調しています。「現実世界の正確なデジタルレプリカは、私たちの方法の成功にとって本当に重要です」。
このシステムは、「差別化可能なシミュレーション」と呼ばれるテクノロジーを使用します。これにより、アルゴリズムは、質量や柔らかさなどのオブジェクトのプロパティの小さな変化がロボットジョイントの最終位置にどのように影響するかを予測できます。シミュレーションがロボットの実際の動きと一致するとすぐに、システムはオブジェクトの正しいプロパティを識別しました。
この方法の決定的な利点は、その効率です。アルゴリズムは数秒以内に計算を実行でき、ロボットの実際の動きの軌跡のみが機能する必要があります。これにより、システムは特に安価で実用的になります。
アプリケーションの可能性と利点
開発された技術は、暗い地下室でオブジェクトを並べ替えるとき、または地震後に部分的に崩壊した建物の廃室が廃止されたときなど、カメラがあまり効果的でないアプリケーションで特に役立ちます。
アルゴリズムは、コンピュータービジョンや外部センサーに依存するいくつかの方法など、トレーニング用の広範なデータセットを必要としないため、不明な環境や新しいオブジェクトに直面している場合、エラーの影響を受けにくいです。これにより、システムは特に堅牢で汎用性が高くなります。
ロボット工学の触覚センサーへのより広範な研究環境
基本的な課題と現在のソリューション
タッチ感覚のあるロボットの開発は、根本的な課題を伴う研究を提示します。人間の触覚システムは非常に複雑で微妙ですが、人工システムは技術的な手段でこれを再現しなければなりません。カリフォルニア大学バークレー校のロボットであるケン・ゴールドバーグは、このタスクの複雑さを強調しています。「人間のタッチ感覚は非常に微妙で複雑で、広範なダイナミックな領域を備えています。
これらの課題にもかかわらず、研究には大きな進歩があります。たとえば、Fraunhofer IFFは、人間の手のモデルに従って反応性の把握を可能にする触覚センサーシステムを開発し、脆弱または曲げスラブを処理するのに最適です。センサーデータは、プロセスの監視と同様に、グリッパー、コンポーネント、位置認識を適応させるために使用されます。
触覚ロボット工学の分野での革新的な研究プロジェクト
AmazonとMITの開発に加えて、触覚ロボットセンサーの分野には他の重要な研究プロジェクトがあります。
Max Planck Institute for Intelligent Systemsは、Insightと呼ばれる触覚センサーを開発しました。研究所の研究グループリーダーであるGeorg Martiusは、センサーのパフォーマンスを強調しています。「私たちのセンサーは、シェルの革新的な機械設計、テーラー製の画像システム、自動データ収集、最新のディープ学習方法のおかげで、優れたパフォーマンスを示しています」。センサーは非常に敏感であるため、重力に関連して彼自身の方向を感じることさえできます。
もう1つの興味深いプロジェクトは、DensePehysNetです。これは、一連の動的相互作用を積極的に実行し（例えば、滑空と衝突など）、視覚的観察に関する深い予測モデルを使用して、物理的特性を反映する密度、ピクセル化された表現を学習します。シミュレーションと実際の環境の両方での実験は、学習された表現に豊富な物理情報が含まれており、摩擦や質量などの物理オブジェクト特性の解読に直接使用できることを示しています。
に適し：
触覚ロボットシステムの将来の見通し
マルチモーダルセンサーシステムの統合
触覚ロボット工学の未来は、さまざまな感覚モダリティの統合にあります。すでに人工知能を教えるために、すでに人工知能を教えるために、見たり触れたりするなどの感覚を組み合わせる研究の研究者。これらの異なる感覚モダリティがどのように連携するかを理解することにより、ロボットは周囲のより全体的な理解を深めることができます。
MITチームは、さらに効率的なマルチモーダルセンサーを作成するために、オブジェクト認識の方法をコンピュータービジョンと組み合わせることを既に計画しています。 「この作業はコンピュータービジョンを置き換えようとはしません。どちらの方法にも利点と短所があります。しかし、ここでは、カメラなしでこれらのプロパティの一部をすでに見つけることができることを示しました」とチェンは説明します。
アプリケーションと将来の開発の拡張領域
MITチームの研究者は、ソフトロボットなどのより複雑なロボットシステムや、Slosh液やSandなどの粒状媒体などのより複雑なオブジェクトでアプリケーションを調査したいと考えています。長期的には、このテクノロジーを使用してロボット学習を改善して、将来のロボットが迅速に新しい操作スキルを開発し、環境の変化に適応できるようにしたいと考えています。
Amazonは、今後数年間でVulcanテクノロジーをさらに開発し、それをより大規模に使用する予定です。バルカンと同社の750,000のモバイルロボットを統合することは、物流業界を根本的に変える可能性のある包括的な自動化コンセプトを示しています。
触覚学習：センサーがロボットがタクトを与えるとき
アマゾンのバルカンとオブジェクト認識のための仲間のシステムに例示されたタッチ感のロボットの開発は、ロボット工学の決定的な転換点を示しています。これらのテクノロジーにより、ロボットは、感度と触覚の理解を必要とするため、以前は人のために予約されていたタスクを引き受けることができます。
さまざまなアプローチ - アマゾンが特殊なセンサーに焦点を当てており、この分野の研究方向の多様性を触覚結論に使用するために既存のセンサーを使用するという共同概念。両方のアプローチには、特定の強みと適用領域があります。
ロボットシステムにおける戦術スキルの進歩的な統合により、物流、生産、ヘルスケア、その他多くの分野における複雑なタスクの自動化の新しい機会が開かれています。ロボットが周囲を見るだけでなく、「感じる」ことも、ロボットや人々がより近くでより直感的に協力できる未来に大きな一歩を踏み出します。
に適し：
