Ketterin koskaan rakennettu robotti

07.06.2017

Berkeley-Dexnet-robotti-300.jpgTarttua epäsäännöllisen muotoisiin kohteisiin, joita ihmiset poimivat päivittäin on hankala tehtävä roboteille.

Berkeley Labin robottirakentajat ovat kehittäneet niin näppäräsormisen robotin, että se voi poimia ja siirtää reaalimaailman kohteita 99 prosentin onnistumisprosentilla.

DexNet 2,0:ksi nimetty robotti saavutti tarkan kätevyytensä syväoppimisella. Tutkijat kokosivat laajan tietokannan kolmiulotteisia muotoja – yhteensä 6,7 miljoonaa datapistettä – jota neuroverkko käytti oppimaan poimia ja siirtää epäsäännöllisen muotoisia esineitä.

Neuroverkko on yhdistetty 3D-anturointiin ja robotin käsivarteen. Kun objekti on sijoitettu DexNet 2,0:n eteen se nopeasti tutkii muodon ja valitsee tarttumiskohdan jolla onnistuneesti poimia ja liikuttaa kohdetta 99 prosenttia ajasta.

Kahdeksan vuotta sitten MIT:ssä julkistettiin anturitekniikka, jossa käytetään fyysistä kosketusta saada aikaan yksityiskohtainen 3D-kartta kohteen pinnasta.

Nyt näitä GelSight-antureita käyttäen kaksi MIT:n tutkijaryhmää on antanut roboteille suuremman herkkyyden ja kätevyyden. GelSight-anturi on tutkijoiden mukaan tietyllä tapaa vaatimattoman teknologian ratkaisu vaikeaan ongelmaan.

GelSight-anturi selvittää geelipalan yhden maalatun pinnan kosketuksen sekä vastapuolen värivalojen ja kameran avulla kohteen 3D-muotoja.

Ensimmäisessä työssä robotti tunnistaa koskettamiensa pintojen kovuutta vähän samaan tapaan kuin ihminenkin eli sormenpäässä tapahtuvan muutoksen perusteella.

Toinen ryhmä keskittyi konenäköön, jota autonominen robotti tyypillisesti käyttää manipuloidakseen esineitä ympäristössään. Konenäkö tarjoaa robotille tarkkaa tietoa objektin sijainnista mutta kohteeseen tarttuminen on paljon vaikeampaa.

Yleensä tällaisen lähestymistavan haaste on sovittaa yhteen visiojärjestelmän tuottama data tuntoanturin tuottamaan dataan. Koska GelSight itsessään on kamerapohjainen, sen data on paljon helpompi integroida visuaaliseen dataan kuin muiden tuntoantureiden dataan.

Aiheesta aiemmin: Robotti opettelee fysiikkaa

 

11.04.2024Kudottavia ohuita puolijohdekuituja
10.04.20242D-antenni tehostaa hiilinanoputkien valontuottoa
09.04.2024Lisää tiedonsiirtokapasiteettia langattomaan viestintään
08.04.2024Korkealaatuisia mikroaaltosignaaleja fotonisirulta
05.04.2024Kahden konstin grafeeni
04.04.2024Kohti utopistisia verkkoja
03.04.2024Lehtipihan hyönteinen inspiroi näkymättömyysrakenteita
02.04.2024Aivojen inspiroima langaton anturijärjestelmä
01.04.2024Uusi energiatehokas mikroelektroninen rakenne
29.03.2024Harppaus kohti valon nopeita tietokoneita

Siirry arkistoon »