Google的AI是如何教一个拣选机器人组装物体

时间:2021-09-09 07:58:19来源:
导读大家好,我是华夏文化传播网的编辑小林。最近看到网友在搜索Google的AI是如何教一个拣选机器人组装物体的信息,小林也收集了Google的AI是如

音频解说

大家好,我是华夏文化传播网的编辑小林。最近看到网友在搜索Google的AI是如何教一个拣选机器人组装物体的信息,小林也收集了Google的AI是如何教一个拣选机器人组装物体的相关信息,分享给大家。以上是小林对所有问题的回答。

操纵各种形状的物体不是机器的强项,但对于任何负责在物理世界中导航的机器人来说,这都是一项有用的技能。为了推动这一领域的最新发展,来自谷歌、斯坦福大学和哥伦比亚大学的研究人员最近研究了一个名为Form2Fit的机器学习系统,该系统旨在教一个带有抽吸臂的采摘机器人将物体组装成套件。

研究实习生凯文扎克卡(Kevin Zakka)和机器人研究科学家安迪曾(Andy Zeng)在一篇博客文章中写道:“如果机器人能够学习‘事物如何融合’,它们可能会变得更适合新的操纵任务,涉及前所未见的物体,比如在灾难应对场景中通过拼凑碎片来重新连接切割的管道或建造临时避难所。“它有助于提高我们执行任务的效率,例如组装DIY家具套件或用盒子包装礼物。”

正如扎克卡和曾解释的那样,Form2Fit通过反复试验学会识别物体之间的对应关系(或“拟合”)。一种组件-双流匹配算法-推断三维点表示,不仅可以传达对象的几何形状,还可以传达其纹理和上下文任务级知识。这些描述符用于建立对象及其目标位置之间的关系。此外,由于点表示对方向敏感,Form2Fit可以知道对象在放置到目标位置之前应该如何旋转。

两个独立的Form2Fit组件生成有效的选择性放置对象:抽吸模型和规划器模型。前者拍摄物体的三维图像,预测机械臂吸臂成功。对于规划器模型,它将获得目标位置的图像并输出成功放置的预测,然后将Form2Fit的所有三个组件(包括匹配算法)的输出进行积分,以生成最终的拾取位置、放置位置和旋转角度。

团队通过一个叫做时间反向拆卸的概念创建了一个训练数据集,随着时间的推移,这个组件的拆卸序列变成了一个有效的装配序列。这使他们能够通过自我监督来训练Form2Fit,方法是随机选择拆解完全组装好的套件,然后颠倒拆解顺序来学习如何组装套件。

本文就为大家讲解到这里。
标签:
最新文章