Промышленное производство
Промышленный Интернет вещей | Промышленные материалы | Техническое обслуживание и ремонт оборудования | Промышленное программирование |
home  MfgRobots >> Промышленное производство >  >> Industrial Internet of Things >> Интернет вещей

Исследование Мичигана: роботы осваивают связи между бытовыми предметами для умной навигации в доме

Цель исследования — предоставить практический метод, позволяющий роботам активно искать целевые объекты в сложной среде.

Мы можем не жить в робото-наполненном будущем, о котором мечтали футурологи, но мы приближаемся к нему. Умные колонки с виртуальными ассистентами и роботы-пылесосы стали обыденностью, и в следующем десятилетии мы должны ждать еще больше домашних роботов.

Одной из препятствий, с которыми сталкиваются разработчики, является обучение роботов маневрированию по дому. В этом направлении исследовательская команда Мичиганского университета опубликовала новую модель, обучающую роботов отношениям между бытовыми предметами.

Например, роботу может быть поручено забрать белье из корзины наверху и перенести его в стиральную машину. С помощью модели он может быть обучен понимать, где находятся и корзина, и машина, устраняя необходимость вручную перемещать робота.

«Способность эффективно искать объекты в среде критически важна для сервисных роботов для автономного выполнения задач», — сказала Чжэнь Зэн, соавтор исследования. «Мы предоставляем практический метод, позволяющий роботу активно искать целевые объекты в сложной среде».

Модель, названная SLiM (Semantic Linking Maps — семантические связующие карты), ассоциирует ориентировочные объекты, например холодильник, с другими связанными объектами, например коробкой сока или майонезом. Таким образом, если роботу поручат убрать стол, он будет знать, куда вернуть продукты из холодильника.

Исследователи заявили, что SLiM учитывает неопределенность: например, если корзину для белья переместили, робот не прекратит функционирование, хотя поиск нового местоположения может занять больше времени.

Это активное обновление географических местоположений и связей между объектами должно улучшить долгосрочную производительность роботов, которые иначе могли бы постоянно выключаться из-за изменений в среде.

Roomba стал поворотным моментом для домашних роботов, и большинство последующих роботов копировали его дизайн и функциональность. Однако роботы, представленные командой Мичигана, гораздо более сложны: они способны поднимать предметы и выполнять задачи.

До появления таких роботов еще несколько лет, хотя исследования вроде этого показывают, что они определенно в планах.

Интернет вещей

  1. Промышленные роботы: проектирование, производство и будущие тренды
  2. Как IoT и робототехника трансформируют здравоохранение: возможности, риски и реальный импакт
  3. Как COVID-19 ускорил глобальную роботизированную экосистему
  4. Ученые раскрывают технику генетического алгоритма для сделать объекты и их наполнители невидимыми
  5. Роботы учатся узнавать 90+ объектов на ощупь: мультимодальный ИИ Berkeley
  6. Строки в C#: создание, свойства, методы и лучшие практики
  7. Промышленные роботы поднимаются: продвижение к интеллекту уровня Ph.D.
  8. Новый алгоритм сокращает время планирования захвата роботом до долей секунды
  9. Bin Picking Studio 1.4.0: создание робототехнических сред без CAD-файлов
  10. Революция в строительстве: передовая робототехника трансформирует строительные материалы