返回顶部
今日    | 手机版 | 资讯 | 产品 | 企业 | 热点 | 商道 | 原料 |
返回首页
返回首页
home 您现在的位置: 首页 >工业机器人>技术中心 > 详细信息
教机器人预抓取操纵策略的算法:他们通常需要将杂物推开以隔离它并确保有足够的空间来拾取它
2020年10月26日    阅读量:1558     新闻来源:中国机械网 okmao.com    |  投稿

当人们伸出手来抓取给定的对象时,他们通常需要将杂物推开以隔离它并确保有足够的空间来拾取它。即使人类并不总是完全意识到自己正在这样做,但是这种称为“预抓取操纵”的策略可以使他们更有效地抓取物体。


近年来,一些研究人员试图在机器人中重现人类的操纵策略,但鲜有研究集中在预抓取操纵上中国机械网okmao.com。考虑到这一点,卡尔斯鲁厄技术学院(KIT)的一组研究人员最近开发了一种算法,该算法可用于对机器人进行抓握和预抓握操纵策略的培训。在arXiv上预先发表的一篇论文中介绍了这种新方法。


进行这项研究的研究人员之一拉斯·贝尔谢德(Lars Berscheid)告诉TechXplore:“虽然抓握是机器人技术中一项容易理解的任务,但是有针对性的预抓握操作仍然非常具有挑战性。” “这使机器人目前很难从混乱或狭窄的空间中抓取物体。


但是,随着机器和机器人学习的最新创新,机器人可以学习如何通过与环境互动来解决各种任务。在这项研究中,我们希望将之前工作中介绍的方法不仅应用于抓取,而且也应用于预抓取操作。”


教机器人预抓取操纵策略的算法:他们通常需要将杂物推开以隔离它并确保有足够的空间来拾取它 中国机械网,okmao.com


当机器人学习如何完成某项任务时,它本质上需要找出如何通过最大化其报酬来解决问题的方法。在他们的研究中,研究人员专注于一项涉及从随机填充的垃圾箱中抓取物体的任务。


使用摄像机的输入和其夹具的反馈,对机器人进行了大约80个小时的如何握紧物体的培训。当它成功地将一个物体固定在其机器人抓爪中时,便获得了奖励。Berscheid和他的同事开发的算法将机器人的训练又向前推进了一步,使它也可以获取对预抓取操纵策略(例如移动或推动)有用的信息。


Berscheid解释说:“我们工作的关键思想是通过引入额外的移动或推动动作来扩展抓握动作。” “然后,机器人可以决定在不同情况下应采取的行动。


在现实中训练机器人非常棘手:首先,这需要很长时间,因此训练本身需要自动化和自我监督,其次是很多意外的事情与机器学习中的其他技术类似,机器人学习总是受到其数据消耗的限制。


换句话说,我们的工作涉及两个非常具有挑战性的研究问题:机器人如何才能像学习机器人一样快可能-机器人可以使用发现的见识来学习哪些任务?”


正如Berscheid继续解释的那样,如果机器人在执行每个动作后都收到直接反馈,则可以更有效地学习,因为这可以克服奖励稀少的问题。换句话说,提供给机器人的反馈越多(即,它为成功的行动所获得的奖励越多),它就越快,更有效地学习如何完成给定的任务。

 

“这听起来很简单,但有时难以实现:例如,如何定义预抓取操作的质量?” Berscheid说。


研究人员提出的方法是基于先前的研究,该研究调查了在采取特定行动之前和之后,在把握概率方面的差异,重点放在行动所执行的小区域。在他们的新研究中,Berscheid和他的同事们还试图揭示机器人应该尽可能快地学习的动作。


“这是机器人学习探索中的一个众所周知的问题,” Berscheid解释说。“我们定义了一种探索策略,可以最大化自我信息或最小化动作的不确定性,并且可以非常有效地进行计算。”


研究人员提出的算法使机器人能够学习预抓握动作(例如夹紧或移动)的最佳姿势,以及如何执行这些动作以增加成功抓握的可能性。他们的方法使一个特定的动作(即转移)依赖于另一个动作(即抓握),从而最终消除了对稀疏奖励的需求,并使学习更加有效。


研究人员将他们的算法应用于Franka机械臂,然后评估了该任务的性能,该任务涉及从垃圾箱中捡起物体直到完全清空。他们使用25,000种不同的抓地力和2500种换挡动作对系统进行了训练。他们的发现很有希望,机器人手臂成功地抓取并归档了它熟悉的两个对象以及从未遇到过的其他对象。


贝尔谢德说:“我发现我们的工作有两个令人振奋的成果。” “首先,我们认为这项工作确实显示了机器人学习的能力。我们无需编程如何做某事,而是告诉机器人该怎么做,它需要自己弄清楚如何做。


在这方面,我们能够应用和概括我们为掌握预抓取操作而开发的方法,其次,也是更具有实际意义,这在许多工业任务的自动化中特别有用,特别是在分拣机器人的地方能够完全清空垃圾箱。”


将来,Berscheid及其同事开发的方法可以应用于其他机器人平台,从而增强其预抓取和掌握操纵技能。研究人员现在计划进行进一步的研究,以探索其他研究问题。


例如,到目前为止,他们的方法仅允许Frank机械臂使用所谓的“平面抓握”,用直立的手抓握物体。研究人员希望通过引入更多参数和使用其他训练数据来扩展他们的算法,以实现横向抓握。根据Berscheid的说法,要实现这一目标的主要挑战将是确保机器人获得侧向抓地力,同时在训练阶段保持其执行抓地力的次数不变。


“另外,抓取物体通常是高级任务的一部分,例如,我们希望将物体放置在特定位置,” Berscheid说。“我们如何精确地放置未知物体?我认为,这个问题的答案对于解决服务机器人中的工业应用和新应用都非常重要。在我们的项目中,我们希望专注于现实世界的机器人学习,研究中的玩具示例与复杂的实际应用之间的差距。”


标签:行业资讯今日头条产品资讯机械应用人工智能技术中心机器人工业机器人系统及软件
免责声明: 本文仅代表作者本人观点,与本网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571

全站地图

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识