新聞】對(duì)物理定律有直觀理解的機(jī)器人，聽起來像是來自小說里，但機(jī)器人部門的科學(xué)家們表示，他們實(shí)際上已經(jīng)創(chuàng)造出了這種機(jī)器人。他們認(rèn)為，通過這種做法可以為未來的機(jī)器人打下潛在的基礎(chǔ)，這些機(jī)器人能夠?qū)W習(xí)投擲、滑動(dòng)、旋轉(zhuǎn)、揮桿、接球和其它運(yùn)動(dòng)技能，而這些看起來難度不大的技能，在目前，即使是能力最強(qiáng)的機(jī)器人也難以完成。
“盡管已經(jīng)取得了相當(dāng)大的進(jìn)展，使機(jī)器人能夠有效地把握對(duì)象，并從視覺上自我適應(yīng)，甚至從實(shí)際經(jīng)驗(yàn)中學(xué)習(xí)，但機(jī)器人在操作時(shí)仍然需要仔細(xì)考慮他們?nèi)绾谓幼∥矬w、處理物體，特別是在非結(jié)構(gòu)化環(huán)境中,“谷歌研究員andy zeng在博客中寫道：“機(jī)器人能不能學(xué)會(huì)主動(dòng)地使用它們，從而開發(fā)出一種能讓它們更有效地完成任務(wù)的‘直覺’？”
為了回答這個(gè)問題，zeng研究員和他的同事們與普林斯頓大學(xué)、哥倫比亞大學(xué)和麻省理工學(xué)院的研究人員合作，開發(fā)了一種名為tossbot的拾取機(jī)器人，這種機(jī)器人可以學(xué)習(xí)抓取物體，并把它們?nèi)舆M(jìn)盒子里。它不僅比以前的模型快兩倍，而且達(dá)到了兩倍的有效投擲范圍，甚至還可以通過自我訓(xùn)練來提高能力。
拾取機(jī)器人
可預(yù)測性的投擲并不容易，即使對(duì)人類來說也是如此。抓地力、姿態(tài)、質(zhì)量、空氣阻力、摩擦力、空氣動(dòng)力學(xué)以及無數(shù)其它影響物體軌跡的變量都會(huì)對(duì)投擲產(chǎn)生影響。
而tossingbot使用端到端神經(jīng)網(wǎng)絡(luò)，數(shù)學(xué)函數(shù)模仿生物神經(jīng)元，來訓(xùn)練對(duì)視覺和深度數(shù)據(jù)預(yù)測調(diào)整的估計(jì)。zeng 說：“這種混合方法使機(jī)器人的投擲準(zhǔn)確率達(dá)到85%。”
研究員zeng說：“tossingbot可能會(huì)更多地依靠幾何線索來學(xué)習(xí)抓握和投擲。”這些新出現(xiàn)的特征都是從無到有，在任務(wù)級(jí)的抓握和投擲之外，并沒有任何明確的監(jiān)督規(guī)則。
研究人員承認(rèn)，tossingbot還沒有經(jīng)過脆弱物體的測試，因?yàn)樗褂脟?yán)格的視覺數(shù)據(jù)作為輸入，這可能阻礙了它在測試中，對(duì)新物體做出反應(yīng)的能力。但他們表示，物理學(xué)和深度學(xué)習(xí)相結(jié)合的基本理念是未來工作的一個(gè)方向。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“機(jī)電號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of JDZJ Hao, which is a social media platform and only provides information storage services.
