人工智能与光学技术深度融合促进了机器人劳动力水平突破性提升 | 广东省智能创新协会

发布日期:2019-05-29 10:00
近日,来自美国麻省理工学院的研究人员将计算机化人工智能(AI)与光学技术进行突破性的结合,使智能机器人能够在仓储、制造甚至家务等工作中彻底改变现有机器人的劳动力水平。



Peter Florence,Lucas Manuelli和Russ Tedrake表示他们已经在计算机视觉方面取得了突破,使机器人能够检查他们以前从未见过的随机物体,然后了解它们足以使用它们完成特定任务。

在预印本服务器arXiv上发表的一篇新论文中,麻省理工学院计算机科学与人工智能实验室(CSAIL)工作的科学家表示他们已经用他们称之为“密集对象网”(DON)的系统进行了重点开发,其中的对象被视为点的集合,作为各种“视觉路线图”。

通过这种方式,机器人可以更好地理解和操纵物品,最重要的是,在类似的物品中拾取特定物体 - 这是基于仓库的机器的一项宝贵技能,公司可以使用这些机器对产品系列进行分类。

例如,机器人可能需要抓住物体上的特定位置 - 比如鞋子的鞋边。在扫描鞋子并将其识别为一系列点之后,它可以看到另一只鞋子,一只以前没有看过的鞋子,并成功抓住它的鞋边

DON系统将任何对象记录为一系列点,然后将这些点映射在一起以可视化其三维形状。该过程类似于通过将多个较小镜头拼接在一起来编辑单个全景图像。

机器人经过DON训练后,操作人员可以指定对象上的点。然后机器人将编译其地图,识别并匹配适当的点,然后在指定的位置拾取对象。

佛罗伦萨及其同事将学习曲线与幼儿智力发展进行了比较。他们说,让一个小孩拿起一个特定的玩具,他或她可能会抓住很多,直到发生所需的玩具。相比之下,一个四岁的孩子可以被指示“在红色的末端抓住你的卡车”并毫不费力地遵守。

在对软玩具进行的一组测试中,由DON驱动的机器人手臂可以从一系列不同的配置中抓住玩具的右耳。这表明,除其他外,系统具有在对称物体上区分左右的能力。

当在一个不同棒球帽的箱子上进行测试时,DON可以选择一个特定的目标帽子,尽管它们具有相似的设计 - 并且之前从未见过训练数据中的帽子图片。

Manuelli解释说,在工厂中,机器人通常需要复杂的机械辅助工具才能可靠地工作。“但这样一个可以理解物体方向的系统可以拍摄照片,并能够相应地掌握和调整物体,”他说。

在未来,麻省理工学院的团队希望改进系统,以便能够通过更深入地了解相应的对象来执行特定的任务。例如,它可以学习如何抓住物体并以指定的方式移动物体,最终目标是清洁桌子。

该论文将于10月在瑞士苏黎世由国际机器人研究基金会(IFRR)组织的机器人学习会议上发表。