TossingBot:роботизированная рука, которая может бросать 500 предметов в час в целевые местоположения

• Новый робот учится выбирать и бросать произвольные предметы в определенные места.
• Он использует как глубокое обучение, так и физику снарядов, чтобы точно и быстро подбрасывать объекты в неструктурированных условиях.
• В течение 14 часов тренировки точность броска составила 85%, а надежность захвата в беспорядке - 87%.

За последнее десятилетие был достигнут значительный прогресс в том, чтобы сделать роботов умнее, чтобы они могли более эффективно выполнять конкретные задачи и учиться на реальном опыте. Однако, когда дело доходит до базовых навыков, таких как ловля, раскачивание, вращение и подбрасывание, роботы по-прежнему намного отстают от людей.

Теперь исследователи из Google, Массачусетского технологического института, Принстонского и Колумбийского университетов разработали новую роботизированную руку, которая может научиться выбирать и бросать произвольные объекты в определенные места. Он использует как физику, так и методы глубокого обучения, чтобы точно и быстро подбрасывать случайные объекты в неструктурированные настройки.

Они назвали этого робота TossingBot. Он может достигать скорости захвата до двух раз быстрее, чем предыдущие роботы, с вдвое большей эффективной дальностью размещения.

Сложности

Бросать что-то - непростая задача для роботов. Здесь задействовано множество факторов, от того, как подбираются объекты различной формы до физических свойств объектов, таких как масса, аэродинамика и трение.

Например, если вы выберете тяжелый длинный предмет с его края и бросите его, он приземлится дальше, чем если бы вы взяли его из центра. Однако, если вы возьмете легкий предмет, например мяч для пинг-понга, вам потребуется большая сила (из-за сопротивления воздуха), чтобы бросить его на такое же расстояние.

Практически невозможно вручную разработать методику, которая явно контролирует все эти параметры для каждого произвольного объекта. Использование метода проб и ошибок также не является хорошей идеей, поскольку это дорого и требует много времени.

Сочетание глубокого обучения и физики

Хотя глубокое обучение может помочь роботу учиться на собственном опыте, а не полагаться на индивидуальные механизмы, бросание объектов точно в их целевую позицию требует хорошего понимания физики снарядов.

Ссылка:arXiv:1903.11239 | Блог Google AI

Интегрируя обе эти функции, инженеры позволили TossingBot быстро обучаться и обобщать новые сценарии. Используя некоторые фундаментальные законы физики снарядов, робот разрабатывает начальные контроллеры, например, он вычисляет, какая скорость броска требуется, чтобы бросить конкретный объект в заданную позицию.

Затем нейронные сети предсказывают корректировки в дополнение к этим физическим вычислениям, чтобы компенсировать внешние факторы, такие как изменчивость и шум в реальном мире. Помимо обучения, роботизированная рука использует графический процессор NVIDIA Titan для реконструкции сцен (снятых с помощью камер глубины RGB) в 3D в реальном времени и агрегирования 3D-данных при движении руки.

В течение 14 часов обучения TossingBot достиг точности броска 85% с надежностью захвата 87% в беспорядке. Он мог собирать и бросать более 500 произвольных объектов в ящики, находящиеся за пределами его максимальной дальности действия.

Что дальше?

Хотя результаты кажутся весьма впечатляющими, у робота есть свои недостатки. Например, предполагается, что объекты достаточно сильны, чтобы противостоять столкновениям при приземлении. Кроме того, он оценивает управляющие переменные только на основе визуальной информации.

Читайте:Новая система искусственного интеллекта учит робота учиться непосредственно у людей

В следующем исследовании исследователи обучат свою систему ловить объекты таким образом, чтобы смягчить приземление. Они также планируют изучить дополнительные способы восприятия (например, тактильные ощущения и силу-крутящий момент), которые могут позволить роботизированной руке лучше адаптировать скорость броска.