欢迎来到salon365手机版登录    [ 请登录 ]  [ 会员注册 ]

返回首页|English|设为首页|加入收藏|

您现在的位置:salon365手机版登录 - 新闻动态
关闭循环以进行机器人抓取
作者: 佚名 时间:2019-4-21文章来源:访问量:4794

qut的机器人专家为机器人开发了一种更快,更准确的方法来抓取物体,包括在杂乱和变化的环境中,这有可能提高它们在salon365 官网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取质量

真实世界测试的动态抓取精度高达88%,静态实验高达92%。

该方法基于生成性掌握卷积神经网络

昆士兰科技大学的jürgenleitner博士说,抓住和拾取物体是人类的一项基本任务,但事实证明它对机器来说非常困难。

“我们已经能够在非常受控的环境中对机器人进行编程,以获取非常具体的物品。然而,当前机器人抓取系统的一个主要缺点是无法快速适应变化,例如物体移动时, “莱特纳博士说。

“这个世界是不可预测的 - 事情会发生变化,移动和混乱,而且往往会在没有警告的情况下发生 - 所以机器人需要能够在非结构化环境中适应和工作,如果我们希望它们有效,”他说过。

由博士研究员douglas morrison,leitner博士和qut科学与工程系的杰出教授peter corke开发的新方法是一种实时的,与对象无关的闭环抓取的抓取合成方法。

“生成性掌握卷积神经网络方法的工作原理是通过预测每个像素的双指掌握的质量和姿势。通过在一次通过中使用深度图像映射其前面的内容,机器人不需要采样在做出决定之前有许多不同的可能的掌握,避免了长时间的计算,“莫里森先生说。

“在我们的实际测试中,我们在一组先前看不见的具有对抗几何形状的物体上获得了83%的抓取成功率,并且在抓取尝试期间移动的一组家用物体上获得了88%的抓握成功率。当我们也达到81%的准确率时抓住动态的混乱。“

莱特纳博士说,这种方法克服了当前深度学习抓取技术的一些局限性。

“例如,在2017年我们的团队赢得的亚马逊采摘挑战赛中,我们的机器人cartman会查看一个物体箱,决定抓住物体的最佳位置,然后盲目进去尝试挑选它,“他说

“使用这种新方法,我们可以处理机器人在大约20毫秒内查看的对象的图像,这允许机器人更新其在何处抓取对象的决定,然后以更大的目的这样做。这在以下特别重要:杂乱的空间,“他说。

莱特纳博士表示,这些改进对salon365 官网自动化和家庭环境都很有价值。

“这一系列研究使我们能够使用机器人系统,而不仅仅是在整个工厂基于机器人功能构建的结构化设置中。它还允许我们在非结构化环境中抓取物体,在这些环境中,物体没有完美的计划和有序,机器人也是需要适应变化。

“这对salon365 官网有利 - 从用于网上购物和分拣的仓库到水果采摘。它也可以应用于家庭,因为更智能的机器人不仅可以真空吸尘或拖地,还可以选择物品把它们拿走。“

该团队的论文闭幕循环机器人掌握:实时,生成性掌握综合方法将于本周在美国匹兹堡卡内基梅隆大学举行的机器人:科学与系统会议上展示,这是最具选择性的国际机器人会议。

该研究得到了澳大利亚机器人视觉中心的支持。

在对抗药物滥用方面,研究表明,您所保留的公司可以在恢复和复发之间做出改变。因此,虽然小组干预计划可以在预防药物滥用方面发挥重要作用,特别是在无家可归青年等高危人群中,他们也可能无意中使参与者暴露于消极行为。

现在,usc社会人工智能中心的研究人员已经创建了一种算法,将干预计划参与者(他们自愿从事恢复工作)分成较小的群体或小组,以保持有用的社会关系并打破社会关系这可能对恢复有害。

“我们知道药物滥用受到社会影响的严重影响;换句话说,你是谁的朋友,”南加州大学计算机科学研究生,该研究的主要作者aida rahmattalabi说。

“为了提高干预措施的有效性,你需要知道人们如何在一个群体中相互影响。”

来自usc viterbi工程学院的rahmattalabi及其同事suzanne dworak-peck社会工作学院和丹佛大学与位于丹佛的非营利性无家可归青年urban peak合作开发决策援助,他们希望能帮助干预主义者预防药物滥用。

结果表明,该算法的表现明显优于对照组策略。这项名为“影响最大化基于社会网络的药物滥用预防”的研究发表在人工智能学生摘要部分aaai会议上。

该研究的共同作者是usc的phebe vayanos,salon365 官网和系统工程和计算机科学助理教授milind tambe,helen n.和emmett h. jones工程学教授,计算机科学和salon365 官网和系统工程教授,eric赖斯,社会工作副教授;丹佛大学的anamika barman adhikari;和来自urban peak的robin baker。

同伴影响力

每年,美国将有多达200万青少年无家可归,估计有39%至70%的无家可归青年滥用药物或酒精。

团体治疗等物质滥用举措可以通过鼓励无家可归的青年分享经验,学习积极的应对策略以及建立健康的社交网络来提供支持。

但如果这些群体结构不合理,他们可以通过鼓励基于反社会行为的友谊形成来加剧他们打算处理的问题。这是一个在社会工作中称为“变形训练”的过程,当同伴互相加强异常行为时。

该团队从人工智能的角度解决了这个问题,创建了一个算法,该算法考虑了一个小组中的个人如何相互联系 - 他们的社会关系 - 以及他们之前的药物滥用史。

自愿从洛杉矶无家可归青年收集的调查数据,以及行为理论和先前干预措施的观察结果被用于建立干预措施的计算模型。

“基于此,我们有一个影响模型,解释了个人采用负面行为或根据他们参与群体改变负面行为的可能性,”rahmattalabi说。

“这有助于我们预测当我们将人们分成小组时会发生什么。”

也许最令人惊讶的发现是,与普通直觉相反,在子群体内均匀分布常规物质使用者并不是设计成功干预的最佳方式。

rahmattalabi说:“在忽视现有关系的同时统一用户分布可以大大降低这些干预措施的成功率。”

此外,分析表明,有时进行干预实际上可能对该群体产生不利影响。

“在某些情况下,我们发现进行干预实际上是一个坏主意:例如,如果一个群体中有许多高风险人群,最好不要将他们与低风险人群联系起来,”rahmattalabi说。

随着新数据被添加到算法中,研究人员希望它能适应不断变化的条件,揭示社交网络在干预计划过程中的演变过程。这可以让干预者确定干预将如何影响参与者的结果。研究人员正在继续与urban peak合作,并计划在2018年秋季部署该工具,以优化丹佛无家可归青年的干预组策略。

当涉及到超快速和轻量级的东西时,机器人无法对跳跃最快的昆虫和其他小而强大的生物持蜡烛。

新的研究可以帮助解释为什么大自然仍然击败机器人,并描述机器如何带头。

拿捣碎的螳螂虾,一种比拇指大不多的小甲壳类动物。它的锤状口器可以反复传递每小时69英里的冲击力,比眨眼速度快100倍以打破硬壳蜗牛壳。

或者不起眼的陷阱蚂蚁:在0到60的比赛中,即使是速度最快的高速赛车也几乎没有机会对抗其下垂的下颌骨,在不到一毫秒的时间内达到每小时超过140英里的速度来捕获它们的猎物。

地球上已知最快的加速度之一就是九头蛇的刺痛。这些柔软的水生生物在它们的触须上的胶囊的帮助下保护自己,就像加压气球一样。当被触发时,它们会发射一连串的微型毒刺,它们比子弹的速度快100倍。

在4月27日出版的“科学”杂志的一项研究中,研究人员描述了一种新的数学模型,可以帮助解释这些和其他微生物如何产生强大的罢工,扼杀,跳跃和拳击。该模型还可以建议设计小型,自然风格的机器人的方法,这些机器人在功率或速度方面更接近生物对应物。

杜克大学生物学副教授希拉·帕特克说,这些生物爆炸性运动的秘密并不是强大的肌肉,而是弹簧加载的部位,它们可以像弓箭手的弓箭那样翘起和释放。

坚韧而有弹性的肌腱,角质层和其他弹性结构像弹弓一样伸展和释放,为它们的跳跃和按扣提供动力。

例如,一种叫做青蛙的短腿昆虫,有一种叫做胸膜的弓状结构,就像弹簧一样。腿上的闩锁状突起控制其释放,尽管腿短,但它们的体长可超过100倍。拥有那么多力量的人可以跳过近两个足球场。

然而,马萨诸塞州阿默斯特大学的博士后研究员马克·伊尔顿说,目前尚不清楚这些机制如何协同增强力量。

虽然传统的性能数学模型考虑到了肌肉的固有物理权衡 - 它可以强力收缩,或者很快收缩,但不能同时收缩 - 但它们也没有考虑弹簧和闩锁式机制固有的权衡。换句话说,没有什么能够同时更快,更强大,更强大。

“到目前为止,这些其他组件大多是黑盒子,”patek说。

研究人员开发了一种小尺度快速运动的数学模型,其中包含对弹簧和闩锁的约束。

“我们的目标之一是尝试开发一种同样适用于生物或工程系统的模型,”加州大学欧文分校生态与进化生物学助理教授,研究跳蛙的manny azizi说。

首先,他们汇总了104种精英植物和动物运动员的体型和最高速度和加速度数据。他们将数据与微型机器人的类似测量结果进行了比较,这些机器人受到超快速运动的启发,例如展开变色龙舌头,捕捉金星飞陷阱和跳跃昆虫。

通过结合生物和合成弹簧和闩锁的性能权衡,研究人员希望更好地了解诸如弹簧质量,刚度,材料成分和闩锁几何形状等变量如何与肌肉或马达一起工作以影响力量。

该模型允许研究人员输入一组弹簧,闩锁和肌肉或运动参数,并获取有关个体理论最大速度,加速度和给定重量下性能的其他方面的详细信息。

该模型对工程师有重大影响。这表明机器人还不能跳过跳蚤,部分原因是这种快速,可重复的动作需要对组件进行精细的微调。

但该模型为研究人员提供了一种设计小型,快速移动机器人的工具,这些机器人具有更精确匹配的组件,可以更好地协同工作以提高性能,马里兰大学机械工程副教授sarah bergbreiter说,他制造的跳跃机器人大小与一只蚂蚁。

例如,如果你想要设计一个特定尺寸的机器人,它可以让你更好地探索你想要什么样的弹簧,你想要什么样的电机,你需要什么样的闩锁才能获得最佳性能。那个尺寸规模,并了解这些设计选择的后果,“bergbreiter说。

azizi说,对于生物学家来说,该模型还可用于确定不同弹簧动力生物群的上限和下限重量限制,给出变量,例如他们的身体由哪些弹性材料制成。

生物混合机器人技术的新领域涉及在机器人中使用活组织,而不仅仅是金属和塑料。肌肉是这种机器人的一个潜在关键组成部分,为运动和功能提供动力。然而,在努力将活体肌肉整合到这些机器中时,存在这些肌肉可以施加的力以及它们开始收缩并失去其功能之前的时间量的问题。

现在,在“科学机器人”杂志上发表的一项研究报告中,东京salon365 官网大学研究所的研究人员通过开发一种从单个肌肉前体细胞进展到肌肉细胞填充片,然后到功能完善的骨骼肌组织。他们将这些肌肉整合到生物混合机器人中,作为对抗体模仿体内的那些,以实现卓越的机器人运动和持续肌肉功能超过一周。

该团队首先构建了一个机器人骨架,用于安装这对运动肌肉。这包括可旋转的关节,肌肉可以附着的锚,以及提供刺激以诱导肌肉收缩的电极。对于机器人的活体肌肉部分,该团队不是提取和使用在身体中完全形成的肌肉,而是从头开始构建一个。为此,他们使用含有称为成肌细胞的肌肉前体细胞的水凝胶片,将这些片材附着在机器人骨架锚上的孔,以及用于促使肌纤维以对齐方式形成的条纹。

“一旦我们建立了肌肉,我们成功地将它们用作机器人中的拮抗对,一个收缩,另一个扩张,就像在体内一样,”研究对应的作者shoji takeuchi说。“他们相互施加相反的力量这一事实阻止了他们的萎缩和恶化,就像之前的研究一样。”

该团队还在不同的应用中对机器人进行了测试,包括一个拾取和放置一个环,并让两个机器人齐声工作以拾取方框。结果表明,机器人可以很好地完成这些任务,肌肉的激活导致机器人末端的手指状突起弯曲大约90°。

“我们的研究结果显示,利用这种对抗性的肌肉排列,这些机器人可以模仿人类手指的动作,”主要作者yuya morimoto说。“如果我们能够将更多这些肌肉组合到一个装置中,我们应该能够重现复杂的肌肉相互作用,让手,手臂和身体的其他部位发挥作用。”

qut的机器人专家为机器人开发了一种更快,更准确的方法来抓取物体,包括在杂乱和变化的环境中,这有可能提高它们在salon365 官网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取质量

真实世界测试的动态抓取精度高达88%,静态实验高达92%。

该方法基于生成性掌握卷积神经网络

昆士兰科技大学的jürgenleitner博士说,抓住和拾取物体是人类的一项基本任务,但事实证明它对机器来说非常困难。

“我们已经能够在非常受控的环境中对机器人进行编程,以获取非常具体的物品。然而,当前机器人抓取系统的一个主要缺点是无法快速适应变化,例如物体移动时, “莱特纳博士说。

“这个世界是不可预测的 - 事情会发生变化,移动和混乱,而且往往会在没有警告的情况下发生 - 所以机器人需要能够在非结构化环境中适应和工作,如果我们希望它们有效,”他说过。

由博士研究员douglas morrison,leitner博士和qut科学与工程系的杰出教授peter corke开发的新方法是一种实时的,与对象无关的闭环抓取的抓取合成方法。

“生成性掌握卷积神经网络方法的工作原理是通过预测每个像素的双指掌握的质量和姿势。通过在一次通过中使用深度图像映射其前面的内容,机器人不需要采样在做出决定之前有许多不同的可能的掌握,避免了长时间的计算,“莫里森先生说。

“在我们的实际测试中,我们在一组先前看不见的具有对抗几何形状的物体上获得了83%的抓取成功率,并且在抓取尝试期间移动的一组家用物体上获得了88%的抓握成功率。当我们也达到81%的准确率时抓住动态的混乱。“

莱特纳博士说,这种方法克服了当前深度学习抓取技术的一些局限性。

“例如,在2017年我们的团队赢得的亚马逊采摘挑战赛中,我们的机器人cartman会查看一个物体箱,决定抓住物体的最佳位置,然后盲目进去尝试挑选它,“他说

“使用这种新方法,我们可以处理机器人在大约20毫秒内查看的对象的图像,这允许机器人更新其在何处抓取对象的决定,然后以更大的目的这样做。这在以下特别重要:杂乱的空间,“他说。

莱特纳博士表示,这些改进对salon365 官网自动化和家庭环境都很有价值。

“这一系列研究使我们能够使用机器人系统,而不仅仅是在整个工厂基于机器人功能构建的结构化设置中。它还允许我们在非结构化环境中抓取物体,在这些环境中,物体没有完美的计划和有序,机器人也是需要适应变化。

“这对salon365 官网有利 - 从用于网上购物和分拣的仓库到水果采摘。它也可以应用于家庭,因为更智能的机器人不仅可以真空吸尘或拖地,还可以选择物品把它们拿走。“

该团队的论文闭幕循环机器人掌握:实时,生成性掌握综合方法将于本周在美国匹兹堡卡内基梅隆大学举行的机器人:科学与系统会议上展示,这是最具选择性的国际机器人会议。

该研究得到了澳大利亚机器人视觉中心的支持。

人类本能地采用步态条件下需要最少能量的步态。在没有意识到的情况下,我们不断调整我们的步伐,步幅和脚步。但我们能否有意识地使用这些参数来影响我们的能源消耗?

epfl的biorobotics实验室的研究人员研究了8个步态参数,以便提出一个非常复杂的软件程序,该程序使用化身来预测人们在行走时使用的能量取决于他们的行走方式。该研究已发表在科学报告中。共同主要作者萨尔曼法拉吉(salman faraji)将他的论文的整个部分专门用于这一主题。

化身 - 配有两条腿脚的躯干 - 可以自由配置。用户首先输入他们的身高和体重,然后设置步行速度,他们的脚之间的距离(步幅和步幅),以及脚抬起,以及躯干和地面的倾斜度。它们还可以增加质量并模拟在身体的不同部位被推或拉的效果。每当修改参数时,实时显示燃烧的卡路里数和能量消耗。

制作自定义外骨骼

这一开创性的软件借鉴了近期文献中出现的大量实验,并提供了大量潜在的应用 - 特别是在医学领域。“该软件可用于选择外骨骼或定制修复体的最佳设计,以减少用户的工作量。例如,通过可穿戴外骨骼,我们可以优化电池和执行器的位置,或确定理想状态用户首选速度的行走模式,“该研究的另一位联合主要作者amy wu说。该软件甚至可以确定背包应该穿在哪里以最小化能量消耗。“另一方面,如果你的目标是燃烧卡路里,那么该软件可用于寻找一系列具有高代谢成本的运动。”

专为人形机器人设计

该软件是在机器人实验室中创建的,最初用于研究用于人形机器人的人体步态机制。“人类行走的方式非常复杂。对于人形机器人来说,所需的控制水平是一个巨大的挑战,而这通常不能让它完全正确,”法拉吉说。“在我们真正理解人类,动物和机器人运动的所有参数之前,我们还有很长的路要走。”

由微型飞行器实验室(mavlab)的tu delft研究人员开发的一种新型昆虫飞行机器人在科学(2018年9月14日)中发表。这个第一个自动,自由飞行和敏捷扑翼机器人的实验 - 与瓦赫宁根大学和研究机构合作开展 - 改进了我们对果蝇如何控制侵略性逃生机动的理解。除了昆虫飞行研究的进一步潜力外,该机器人的卓越飞行品质开辟了新的无人机应用。

飞行动物通过扇动翅膀来动力和控制飞行。这使昆虫等小型天然传单可以靠近花朵盘旋,但也能快速逃脱危险,每个人在试图拍打苍蝇时都会目睹这种危险。动物飞行一直引起生物学家的注意,他们不仅研究复杂的机翼运动模式和空气动力学,还研究它们在敏捷机动过程中的感觉和神经运动系统。最近,飞行动物也成为机器人研究人员的灵感来源,他们试图开发灵活,节能甚至可扩展到昆虫大小的轻型飞行机器人。

新颖高度敏捷的飞行机器人

来自mavlab的tu delft研究人员开发了一种新型的昆虫飞行机器人;到目前为止,它的性能无与伦比,而且设计简单易用。与飞行昆虫一样,机器人的扑翼每秒击打17次,不仅可以产生保持空中所需的升力,还可以通过对机翼运动的微小调整来控制飞行。受到果蝇的启发,机器人的控制机制已被证明非常有效,它不仅可以悬停在现场并向任何方向飞行,而且非常灵活。

“该机器人的最高时速为25公里/小时,甚至可以进行激进的动作,例如360度翻转,类似环和桶形滚动”,该研究的第一作者,该研究的主要设计者mat?jkarásek说。机器人。“此外,33厘米的翼展和29克机器人的尺寸,具有出色的动力效率,允许5分钟的悬停飞行或超过1公里的飞行范围,充满电的电池。

果蝇逃逸机动研究

除了作为一种新颖的自主式微型无人机外,机器人的飞行性能与其可编程性相结合,使其非常适合昆虫飞行的研究。为此,代尔夫特理工大学与瓦赫宁根大学合作。“当我第一次看到机器人飞行时,我惊讶于它的飞行与昆虫的飞行有多接近,特别是在机动时。瓦林宁根大学和研究实验动物学组的florian muijres教授说,我立即认为我们可以用它来研究昆虫飞行控制和动力学。由于muijres教授之前的果蝇工作,该团队决定对机器人进行编程,以模仿这些昆虫在高敏捷性逃生机动过程中的假设控制行为,例如我们尝试拍打它们时使用的那些。

机器人执行的操作与果蝇中观察到的操作非常相似。机器人甚至能够展示果蝇如何控制转弯角度以最大化其逃生性能。“与动物实验相反,我们完全控制了机器人”大脑“中发生的事情。这让我们能够识别和描述一种新的被动空气动力学机制,它可以帮助苍蝇,但也可能是其他飞行动物,在这些快速倾斜的转弯中指导它们的方向,“karásek补充说。

未来应用的潜力

mavlab在delfly项目中开发了超过10年的昆虫飞行机器人。mavlab科学领导人guido de croon教授说:“昆虫激发的无人机具有很高的新应用潜力,因为它们重量轻,对人体安全,并且比传统的无人机设计能够更有效地飞行,尤其是在较小的规模。然而,直到现在,这些飞行机器人还没有意识到这种潜力,因为它们要么不够灵活 - 比如我们的delfly ii - 或者它们需要过于复杂的制造过程。这项名为delfly nimble的机器人以现有的制造方法为基础,使用现成的部件,其飞行耐久性足以引起实际应用的兴趣。

delfly nimble将在ttw项目中进一步发展,“像蜜蜂一样灵活”,这是由荷兰科学基金会nwo资助的代尔夫特理工大学和瓦赫宁根大学之间的合作。

salon365手机版登录关键词】:    【打印】【关闭】【返回顶部

  • salon365手机版登录
  • 政策
  • 市场
  • 技术
热点salon365手机版登录
  • 一周
  • 一月
  • 一年

salon365手机版登录投稿

邮箱:[email protected]

电话:0571-28331524

版权所有:salon365手机版登录|中国机电传媒研究中心

地址:杭州市滨江区西浦路1503号滨科大厦11楼(杭二中斜对面) 浙B2-20080178-6

联系电话:0571-87774297 传真:0571-28290892 Email:[email protected] 技术支持:杭州滨兴科技股份有限公司

salon365手机版登录salon365 官网salon366沙龙