洗地机厂家
免费服务热线

Free service

hotline

010-00000000
洗地机厂家
热门搜索:
成功案例
当前位置:首页 > 成功案例

手机数码--谷歌的人工智能教机器人抓取被遮

发布时间:2021-11-18 16:24:31 阅读: 来源:洗地机厂家

:谷歌的人工智能教机器人抓取被遮挡的物体并适应新环境

在本周在预印服务器Arxiv.org上发表的一对论文中,谷歌和加州大学伯克利分校的研究人员描述了新的人工智能和机器学习技术,使机器人能够适应从未见过的任务,并掌握被遮挡的对象。第一项研究详细介绍了XRay,这是一种算法,当部署在机器人上时,可以通过大量的对象搜索来抓取目标对象,而第二项研究则提出了一种策略适应技术,它“教授”机器人的技能,而不需要从抓取模型训练。

机器人抓取是一个令人惊讶的困难挑战。例如,机器人很难执行所谓的“机械搜索”,即当它们必须从一堆其他物体中识别和拾取一个物体时。大多数机器人不是特别适应能力强,而且缺乏足够能力的人工智能模型来指导机器人在机械搜索中的手。

XRay和政策调整步骤可以构成一个产品包装系统的基础,该系统可以在没有人的监督下发现、拾取和丢弃一系列对象。

关于XRay的研究的合著者注意到,由于缺乏适当的模型,机械搜索在一堆对象中寻找对象仍然具有挑战性。X射线通过遮挡推理和假设预测相结合来解决这个问题,它用来估计包围盒(物体周围矩形边框的坐标)与物体最相似的占用率分布,同时考虑各种平移和旋转。

XRay假设堆中至少有一个目标对象被未知对象完全或部分遮挡,并且每个时间步长最多掌握一个对象。以RGB图像和目标对象为输入,预测场景的占用率分布和分割掩码,并计算几个潜在的抓取动作,以最高的成功概率执行。

为了训练和验证X射线,研究人员制作了一个由10,000幅增强深度图像组成的语料库,其中标记了矩形框目标对象的对象占用分布上海市华益律师事务所。从Thingiverse上的1296个三维CAD模型的开源数据集上采样,他们选择了10个不同尺寸的盒子目标北京德恒(成都)律师事务所,体积相等,厚度小,因此它们更有可能被遮挡。这使他们共获得10万张图像。

上图:说明X射线技术的图表。

这10000幅图像中约有8000幅保留用于培训,其余的留作测试。还有一千幅包含模拟物体的图像盖子、多米诺骨牌和长笛被用来评估X射线对看不见的形状、物体、纵横比和尺度的泛化。

在涉及一个现实世界中的ABBYuMi机器人的物理实验中,研究人员责成XRay将一个装有物体的垃圾箱装满,然后将垃圾箱倾倒在目标物体的顶部。在最初包含25个对象的堆中,系统以5个动作的中位数提取目标对象,超过20次试验住宅被强拆怎么赔偿,成功率为100%。

合著者留给未来的工作,提高XRay的培训效率,并分析数据集大小的影响以及用于生成培训分布的翻译和旋转次数。他们还计划探索基于目标对象可见性奖励的强化学习政策。

在最近的两篇论文中,合著者试图开发一个不断适应新的现实世界环境、对象和条件的系统。这与大多数机器人形成了鲜明对比,它们只训练一次,部署时没有太多的适应能力。

研究人员预先训练了一个机器学习模型,在608,000次抓取尝试的语料库上抓取一系列物体,然后他们负责使用夹持器抓取物体,将其移动到起始位置的右侧10厘米。在系统练习了一段时间(在800次尝试中),并将这些尝试记录到一个新的数据集目标数据集之后,新的尝试在50%的时间内与原始数据集混合,以微调模型。

上图:模型适应训练过程,以示意图的形式。

这些步骤预训练、尝试新任务和微调被重复了五种不同的场景。在一种情况下,严酷的照明阻碍了机器人的相机;在另一种情况下,棋盘图案的背景使模型难以识别物体。最后,实验者让机器人抓住训练中没有看到的透明瓶子(透明物体对机器人来说是出了名的难以抓住,因为它们有时会混淆深度传感器),并捡起坐在高反射钣金表面上的物体。

研究人员报告说,在实验中,模型成功地抓住了物体63%的时间在苛刻的照明,74%的时间与透明的瓶子,86%的时间与棋盘支持,88%的时间与扩展夹持器,91%的时间与偏移夹持器。此外,他们还说,机器人只需要1到4个小时的练习才能适应新的情况(相比之下,大约有6,000个小时的学习如何掌握),而且性能并没有降低模型适应得越多。

在未来,团队计划调查该过程是否可以自动进行。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。标签:人工智能