DexNet 2.0: 99% Precision Grasping
根據國際媒體的報導，研究人員最近研發出一款新型機器人，該款機器人可以迅速抓取，任何不規則形狀的物體。
該款被命名為Dex Net 2.0的敏捷機器人，深入的研究了虛擬圖書館數據庫中，10000個具備不同特徵的三維物體，該機器人透過自身的深度學習系統，可以迅速的對物體進行預判，選擇合適的方案，來抓取各種具備不規則形狀的物體。該款機器人憑借其出色的功能，可以廣泛的應用在醫療領域，也可以用於家庭生活。
這款機器人是由加州大學伯克萊分校的研究人員所開發，它能輕易抓取任何形狀不規則的物體。
該款機器人搭載深度學習系統，已經對虛擬圖書館數據庫中，超過10000的三維物體進行了辨識，並且當新物體出現的時候，機器人可以迅速通過深度學習系統，對物體進行辨識，探究得出一種最佳的抓取方案，準確的對各種物體進行抓取。
麻省理工學院的技術人員表示，該款機器人要優於以往的任何一款機器人。
透過測試，我們有理由相信該款機器人，可以成功的拿起任何形狀不規則的物體，因為測試數據顯示，當機器人抓起物體抬高和搖晃時，也不會輕易地把物體弄掉，而且數據顯示其衝功率可以高達98%，遠遠超過任何以往的機器人。
而當該款機器人實在難以找到相關數據，不能得出如何抓取形狀不規則物體的方案時，機器人會透過觸摸物體，來更好的進行計算，選取最優的抓取方案。
一旦機器人採取了觸摸的預處理，那麼它抓取並抬高物體的成功率，將會達到99%以上。
透過與西門子公司研究小組的合作，展示了Dex Net 2.0機器人新的學習方法。該款機器人加入了最新的，獲取雲訊息的能力，而這也使得機器人的功能，得到了大幅提升。因此Dex Net 2.0機器人，非常有希望在醫療機構和家庭生活中，發揮重要作用。
儘管目前許多研究人員，正在研究機器人透過實踐學習，來掌握和操縱物體的課堂，但是所取得的成果卻並不多。這款被稱作Dex Net 2.0的機器人，實現了自我學習的功能，而且不需要練習，就可以操控物體。
領導這項研究工作的加州大學伯克萊分校肯·戈德堡（KenoGoldberg）教授表示說：「雖然我們沒有做更多的相關試驗，但是我們堅信，我們可以取得更好的效果，而這也使得我們整個團隊都非常興奮。」
代替練習的是，機器人自身的深度學習系統，機器人透過對10000個3D模擬物體進行計算和分析，來實現對於不規則物體的辨識，對這10000個3D模擬物體的研究，包括物體的外觀、形狀，以及如何抓取等內容。
該項目的博士後研究員，傑夫馬勒（JeffoMahler）博士表示說：「我們可以在一天左右的時間內，為深層神經網路，生成足夠的訓練數據，而不是在一個真正的機器人上，運行數月的物理試驗。」
研究人員計劃公佈他們創建的3D數據集，而這個數據集的問世，很可能有助於推進機器人更進一步的研究。
布朗大學專攻機器人學習的助理教授，斯蒂芬妮．泰勒克斯（Stefanieo Tellex）博士，雖然沒有親自參與這項研究，但是一直對這項研究非常關注，他表示：「這項研究是一件具有深遠意義的研究，它可以加速機器人學習方面的進步，因為收集大量的機器人電腦數據，是一件非常困難的事情。」
這項研究是十分令人興奮的，因為它表明一個模擬數據集，可以用來訓練模擬物體的抓取，而將這種模式轉化為實體機器人的應用，才算是真正的成功。控制算法的研究，以及機器硬體和學習方法的進步，正在為新一代機器人的發展，奠定堅實的基礎。
這些機器人能夠執行更大範圍的日常任務，某些靈敏的機器人，目前已經被應用於倉庫中的工作。
麻省理工學院從事機器人工作的教授拉斯．特德雷克（RussoTedrake）博士表示說：「研究小組在研製更加靈敏、能力更強的機器人方面，取得了長足的進步。」
特德雷克表示說：「加州大學伯克萊分校的研究工作，是令人印象深刻的，因為它既保留了機器人傳統的學習方法，又融入了機器人新的學習方法，而這些學習內容涉及到對象的形狀推理方面內容。」
敏捷機器人的誕生，將會帶來巨大的經濟效益。
如今在工廠裡已經投入使用的機器人，是十分精確的，但是當它們面對一個不熟悉的物體時，卻顯得十分笨拙。雖然亞馬遜等公司在倉庫裡，使用機器人來移動產品，但機器人不會為訂單挑選個性化的對象，機器靈巧性的提高，可能帶來人工智慧的突破性進步。
人類手工的靈巧，運用在人類智力的發展上，起到了至關重要的作用，這也使得人類擁有了更加清晰的視覺，同時也增加了人類大腦的力量，因此人類也具備了更有效地操縱對象的能力，而這也可以在人工智慧的發展中發揮借鑒作用。
0 comments:
張貼留言