首页 >> 宝儿

闭合循环以进行机器人抓取大泷咏一

大泷咏一
2022年08月30日

闭合循环以进行机器人抓取

QUT的机器人专家开发出了一种更快，更准确的方式来使机器人抓取物体，包括在混乱和多变的环境中抓握物体，这有可能提高它们在工业和家庭环境中的实用性。

新方法允许机器人快速扫描环境，并使用深度图像将其捕获的每个像素映射到其抓握质量真实世界的测试对动态抓取的准确率高达88％，在静态实验中的准确率高达92％。

该方法基于生成式抓取卷积神经网络QUT的JürgenLeitner博士在抓取物体时说道是人类的基本任务，但事实证明，这对机器来说非常困难

“我们已经能够在受控制的环境中对机器人进行编程，以拾取非常特殊的物品。但是，当前的机器人抓取系统的主要缺点之一是无法快速适应变化，例如物体移动时，莱特纳博士说。

他说：“世界是不可预测的-事物变化，移动，混乱，而且经常发生而没有警告-因此，如果我们希望机器人有效，则机器人必须能够在非常非结构化的环境中适应和工作。”

新方法，由博士 QUT科学与工程学院的研究员Douglas Morrison，Leitner博士和杰出教授Peter Corke是一种用于闭环抓取的实时，独立于对象的抓取合成方法。

“生成式抓取卷积神经网络方法的工作原理是预测每个像素处的两指抓取的质量和姿势。

通过使用深度图像在一次通过中映射其前面的内容，该机器人无需进行采样在做出决定之前，有许多不同的可能的把握，避免了计算时间的长久。”

“在现实世界的测试中，我们对一组先前从未见过的具有对抗性几何形状的物体取得了83％的抓取成功率，而在尝试进行抓取过程中移动的一系列家用物体上的抓取成功率达到了88％。掌握动态杂乱。”

莱特纳博士说，该方法克服了当前深度学习掌握技术的许多局限性。

“例如，在我们的团队于2017年赢得的“亚马逊采摘挑战赛”中，我们的机器人CartMan会观察一堆物体，做出决定在哪里握住物体的最佳位置，然后盲目地尝试采摘起来，”他说

“使用这种新方法，我们可以在大约20毫秒内处理机器人查看的对象的图像，这使机器人可以更新其在何处抓取物体的决定，然后以更大的目的进行操作。混乱的空间，”他说。

莱特纳博士说，这些改进对于工业自动化和家庭环境将是有价值的。

“这一研究领域使我们不仅可以在结构化的环境中使用机器人系统，而整个工厂都是基于机器人的能力来构建的。

在非结构化的环境中，我们无法抓住对象，因为这些环境中的事物没有得到很好的计划和排序，而机器人是需要适应变化。

“这为行业带来了好处-从用于在线购物和分类的仓库到水果采摘。它还可以应用于家庭，因为开发了更多的智能机器人，不仅可以吸尘或擦地板，还可以捡拾物品。并把它们收起来。”

该团队的论文《封闭机器人抓环：一种实时，生成性的抓握综合方法》将在本周于美国匹兹堡卡内基梅隆大学举行的机器人学：科学与系统会议上被选为最有选择性的国际机器人学会议。