Тактильная робототехника: робот с чувством осязания: новое поколение вулканских и совместных исследований на визуальном распознавании объектов: Xpert.Digital
Система MIT для распознавания объектов без специальных датчиков и робота Vulcan от Amazon
Хаптическое восприятие для машин: новые стандарты в распознавании объектов
В области робототехники разработка тактильных датчиков и систем идентификации знаменует собой решающий прогресс, который впервые позволяет машинам не только видеть их окружение, но и «чувствовать». Эта разработка иллюстрируется новым роботом Amazon Vulcan и инновационной системой обнаружения объектов MIL. Обе технологии значительно расширяют возможное использование роботов и позволяют выполнять задачи, которые ранее управлялись исключительно людьми с их естественным тактильным восприятием.
Подходит для:
Вулканский робот от Amazon: прорыв в области тактильной ручки робота
Функционирование и технологические основы
Вулканский робот, разработанный Amazon, представляет значительный технологический прогресс в области физического искусственного интеллекта. Amazon описывает само развитие как «прорыв в робототехнике и физическом ИИ». Система состоит из двух основных компонентов: «Стоу», чтобы снять и «выбирать», чтобы удалить объекты. Его выдающимся качеством является способность воспринимать тактиль своего окружения.
Технологическая основа для тактильных навыков Vulcans образует специальные датчики мощности, которые похожи на хоккейную шайбу и позволяют роботу «чувствовать» силу, с которой он может захватить объект, не повреждая его. Адам Парнесс, директор по робототехнике AI в Amazon, подчеркивает уникальность этого подхода: «Вулкан не является нашим первым роботом, который может перемещать объекты. Но с его чувством осязания - чтобы понять свою способность понять, когда и как он вступает в контакт с объектом - он открывает новые возможности для оптимизации рабочих процессов и объектов».
Чтобы сортировать объекты на полках, Вулкан использует инструмент, который похож на линейку, который приклеен к гладкому железу волос. С помощью этой «правителя» он отталкивает другие предметы в сторону, чтобы освободить место для новых статей. Захватывающие руки адаптируют толщину ручки в зависимости от размера и формы объекта, в то время как интегрированные конвейерные ленты толкают объект в контейнер. Чтобы вывести объекты, Vulcan использует всасывающий захват в сочетании с системой камеры.
Текущие области применения и производительности
Робот Vulcan в настоящее время тестируется в двух логистических центрах Amazon: в Уинсене недалеко от Гамбурга (Германия) и в Спокане, штат Вашингтон (США). В Вашингтоне активно учатся шесть роботов Стоу-Вулькана, которые уже успешно сохранили полмиллиона статей. Два пикана работают в Уинсене, которые уже обработали 50 000 заказов.
Производительность системы примечательна: Вулкан в настоящее время может обрабатывать около 75 процентов миллионов продуктов, которые предлагает Amazon. Самый маленький размер объекта, которым может манипулировать роботом, соответствует помаде или USB -палке. Особенно впечатляет способность робота идентифицировать объекты в режиме реального времени, поскольку для него «невозможно запомнить все особенности предметов», как объясняет Парнесс.
Планы на будущее и интеграция в цепочку логистики
Amazon планирует значительно увеличить количество вулканских роботов в ближайшие несколько лет. В этом году количество вулканцев в Уинсене должно быть увеличено до 60, а в Вашингтоне - 50 штук. В долгосрочной перспективе планируется использовать роботов в логистических центрах по всей Европе и США.
Важным аспектом стратегии Amazon является сосуществование человека и машины. «Генеральный план» компании предусматривает, что люди и машины работают бок о бок параллельно. Прежде всего, роботы должны взять на себя продукты на полке, которую человек не достигает без лестницы или для которых ему придется изгибаться. Это должно привести к повышению общей эффективности и в то же время уменьшить рабочую нагрузку для работников.
Система MIT для распознавания объектов через обработку: интеллектуальное «ощущение» без особых датчиков
Инновационный подход к распознаванию объектов
Параллельно с Vulcan's Amazon, исследователи MIT, из Amazon Robotics и Университета Британской Колумбии, разработали систему, которая следует за другим подходом, чтобы дать роботам тактизированные навыки. Эта технология позволяет роботам распознавать свойства объекта, такого как вес, мягкость или контент, просто поднимая его и легко встряхивая - как люди при работе с неизвестными объектами.
Особая вещь в этом подходе заключается в том, что никаких специальных тактильных датчиков не требуется. Вместо этого система использует совместный код, уже существующий в большинстве роботов - датчиков, которые захватывают положение вращения и скорость суставов во время движения. Питер Йихен Чен, MIT-Postdoc и главный автор исследовательской работы, объясняет видение проекта: «Моя мечта-отправить роботов в мир, чтобы они касались и перемещали вещи и независимо узнавать о свойствах того, с чем они взаимодействуют».
Технические модели функционирования и моделирования
Ядро системы MIT состоит из двух моделирования моделирования: одну, которая имитирует робота и ее движения, и одну, которая воспроизводит динамику объекта. Chao Liu, другой Mit-Postdoc, подчеркивает важность этих цифровых близнецов: «Точная цифровая копия реального мира действительно важна для успеха нашего метода».
Система использует технологию, называемую «дифференцируемое моделирование», которая позволяет алгоритму предсказать, как небольшие изменения в свойствах объекта, такие как масса или мягкость, влияют на конечную позицию роботов. Как только симуляция соответствует фактическим движениям робота, система определила правильные свойства объекта.
Решающим преимуществом этого метода является его эффективность: алгоритм может выполнять расчеты в течение нескольких секунд и требует лишь реальной траектории движения робота для работы. Это делает систему особенно недорогой и практичной для реальных приложений.
Потенциал применения и преимущества
Разработанная технология может быть особенно полезна в приложениях, в которых камеры менее эффективны, например, при сортировке объектов в темном подвале или когда в комнате руины в частично разрушенном здании после землетрясения.
Поскольку алгоритм не нуждается в обширном наборе данных для обучения, например, некоторые методы, которые зависят от компьютерного зрения или внешних датчиков, он менее подвержен ошибкам, если он сталкивается с неизвестными средами или новыми объектами. Это делает систему особенно надежной и универсальной.
Более широкий исследовательский ландшафт для тактильных датчиков в робототехнике
Основные проблемы и текущие решения
Развитие роботов с чувством прикосновения представляет исследования с фундаментальными проблемами. В то время как человеческая тактильная система является чрезвычайно сложной и нюансированной, искусственные системы должны воспроизводить это с помощью технологических средств. Кен Голдберг, роботизированное из Калифорнийского университета в Беркли, подчеркивает сложность этой задачи: «Человеческое чувство прикосновения невероятно нюансированное и сложное, с обширной динамичной областью. В то время как роботы быстро достигают прогресса, я был бы удивлен, увидев тактильные датчики на человеческом уровне в ближайшие пять -десять лет».
Несмотря на эти проблемы, существует значительный прогресс в исследованиях. Например, Fraunhofer IFF разрабатывает тактильные сенсорные системы, которые обеспечивают реактивное понимание в соответствии с моделью человеческой руки и идеально подходят для обработки хрупкой или изгибающей плиты. Данные датчика используются для адаптации захвата, компонента и распознавания местоположения, а также для мониторинга процессов.
Инновационные исследовательские проекты в области тактильной робототехники
В дополнение к событиям Amazon и MIT, в области тактильных роботов существуют другие важные исследовательские проекты:
Институт интеллектуальных систем Макса Планка разработал тактичный датчик под названием Insight, который воспринимает прикосновение с высокой чувствительностью. Георг Мартиус, руководитель исследовательской группы в Институте, подчеркивает производительность датчика: «Наш датчик демонстрирует отличную производительность благодаря инновационному механическому дизайну оболочки, системе создания портной визуализации внутри, автоматического сбора данных и благодаря последним методам глубокого обучения». Датчик настолько чувствителен, что он может даже чувствовать свою собственную ориентацию по отношению к гравитации.
Другим интересным проектом является DensePehysnet, система, которая активно выполняет последовательность динамических взаимодействий (например, скольжение и столкновение) и использует глубокую прогностическую модель о ее визуальных наблюдениях для изучения плотности, пикселированных представлений, которые отражают физические свойства, наблюдаемые объекты. Эксперименты как в моделировании, так и в реальных средах показывают, что ученые представления содержат богатую физическую информацию и могут использоваться непосредственно для декодирования физических объектов, таких как трение и масса.
Подходит для:
Будущие перспективы для тактильных робот -систем
Интеграция мультимодальных сенсорных систем
Будущее тактильной робототехники заключается в интеграции различных сенсорных методов. Исследователи работы уже преподают искусственный интеллект, чтобы объединить такие чувства, как увидеть и прикосновение. Понимая, как эти разные сенсорные методы работают вместе, роботы могут развить более целостное понимание своего окружения.
Команда MIT уже планирует объединить ваш метод распознавания объектов с компьютерным зрением, чтобы создать мультимодальные датчики, которые еще более эффективны. «Эта работа не пытается заменить компьютерное зрение. Оба метода имеют свои преимущества и недостатки. Но здесь мы показали, что мы уже можем узнать некоторые из этих свойств без камеры», - объясняет Чен.
Расширенные области применения и будущих разработок
Исследователи команды MIT также хотят исследовать приложения с более сложными роботами, такими как мягкие роботы, и более сложные объекты, включая слашные жидкости или гранулированные среды, такие как песок. В долгосрочной перспективе вы надеетесь использовать эту технологию для улучшения обучения роботам, чтобы позволить будущим роботам быстро развивать новые навыки манипуляции и адаптироваться к изменениям в вашей среде.
Amazon планирует дальнейшее развитие технологии Vulcan в ближайшие годы и использовать ее в более широком масштабе. Интеграция Vulcan с 750 000 мобильных роботов компании указывает на комплексную концепцию автоматизации, которая может в корне изменить логистическую отрасль.
Тактильное обучение: когда датчики дают роботы такт
Развитие роботов с чувством осязания, примером которой Амазонка Вулкан и коллега по распознаванию объектов отмечает решающий поворотный момент в робототехнике. Эти технологии позволяют роботам выполнять задачи, которые ранее были зарезервированы для людей, потому что они требуют чувствительности и тактильного понимания.
Различные подходы-амазон сосредоточены на специализированных датчиках и совместную концепцию использования существующих датчиков для тактичных выводов, выявляют разнообразие направлений исследований в этой области. Оба подхода имеют свои особые сильные стороны и области применения.
Благодаря прогрессивной интеграции тактических навыков в робот -системах новые возможности для автоматизации сложных задач в области логистики, производства, здравоохранения и многих других областей открываются. Способность роботов не только видеть их окружение, но и «чувствовать», приближает нас к будущему, в котором роботы и люди могут работать вместе еще ближе и интуитивно понятно.
Подходит для:
