深度學習可幫助機器人輕松抓取和移動物體

在過去的一年中，鎖定措施使在線購物比以往任何時候都更加受歡迎，但是不斷飆升的需求使許多零售商在確保倉庫員工安全的同時，難以履行訂單。

加州大學伯克利分校的研究人員已經開發出了新的人工智能軟件，該軟件使機器人能夠快速，熟練地抓住并平穩地移動物體，從而使它們能夠在不久的將來幫助倉庫環境中的人員。今天(11月18日，星期三)在線發表在《科學機器人》雜志上的一篇論文對此技術進行了描述。

自動化倉庫任務可能具有挑戰性，因為人類自然會采取許多行動，例如確定在何處以及如何拾取不同類型的物體，然后協調將每個物體從一個位置移動到另一個位置所需的肩部，手臂和腕部運動。對于機器人來說相當困難。機器人動作也趨于生硬，這可能會增加損壞產品和機器人的風險。

加州大學伯克利分校工程學特聘教授肯·戈德堡說：“倉庫仍然主要由人操作，因為機器人仍然很難可靠地抓住許多不同的物體。” “在汽車裝配線中，一次又一次地重復相同的動作，這樣就可以實現自動化。但是在倉庫中，每個訂單都是不同的。”

該視頻演示了在應用深度神經網絡之前和之后倉庫機器人手臂的取放性能。圖片來源：Ichnowski等，科學。機器人。5，eabd7710(2020)

在早期的工作中，Goldberg和加州大學伯克利分校的博士后研究員Jeffrey Ichnowski創建了一個“抓握優化運動計劃器”，該計劃器可以計算機器人應該如何拾取物體以及如何移動以將物體從一個位置轉移到另一個位置。

但是，此計劃程序產生的動作有些生澀。雖然可以調整軟件的參數以生成更平滑的運動，但是這些計算平均需要大約半分鐘的時間來計算。

在這項新研究中，Goldberg和Ichnowski與加州大學伯克利分校的研究生Yahav Avigal和本科生Vishal Satish合作，通過集成深度學習神經網絡大大縮短了運動計劃器的計算時間。

神經網絡使機器人可以從示例中學習。后來，機器人通常可以推廣到相似的對象和運動。