Spain Brazil Russia France Germany China Korea Japan

Artificial Intelligence driven Marketing Communications

 
Jun 26, 2018 7:01 AM ET

Cerrar el lazo de agarre robótico. Entre ha desarrollado una manera más rápida y precisa para los robots agarrar objetos, incluso en ambientes desordenados y cambiantes, que tiene el potencial para mejorar su utilidad en entornos industriales y domésticos.


Cerrar el lazo de agarre robótico. Entre ha desarrollado una manera más rápida y precisa para los robots agarrar objetos, incluso en ambientes desordenados y cambiantes, que tiene el potencial para mejorar su utilidad en entornos industriales y domésticos.

iCrowd Newswire - Jun 26, 2018
Asimiento del poste.
Crédito: QUT
 
 

Entre en QUT ha desarrollado una manera más rápida y precisa para los robots agarrar objetos, incluso en ambientes desordenados y cambiantes, que tiene el potencial para mejorar su utilidad en entornos industriales y domésticos.

  • El nuevo enfoque permite que un robot de exploración del medio ambiente y asignar cada píxel capta a su calidad de agarre con una imagen de profundidad rápidamente
  • Pruebas del mundo real han logrado tasas de alta precisión de hasta un 88% para dinámica agarrar y hasta 92% en experimentos de estática.
  • El enfoque se basa en una red neuronal convolucional agarrando generativo

Dr Jürgen Leitner de QUT dijo mientras agarra y escogiendo encima de un objeto es una tarea básica para los seres humanos, ha resultado increíblemente difícil para las máquinas.

“Hemos sido capaces de robots de programa, en ambientes muy controlados, para recoger elementos muy específicos. Sin embargo, una de las principales carencias de los actuales sistemas de agarre robóticos es la incapacidad para adaptarse rápidamente al cambio, como cuando un objeto es movido,”dijo el Dr. Leitner.

“El mundo no es predecible, las cosas cambian y moverse y conseguir mezclan y, que sucede sin previo aviso, por lo robots deben ser capaz de adaptarse y trabajar en ambientes muy estructurados, si queremos ser eficaces,” dijo.

El nuevo método, desarrollado por PhD investigador Douglas Morrison, el Dr. Leitner y distinguido profesor Peter Corke de la ciencia y Facultad de ingeniería, de QUT es un método de síntesis de comprensión en tiempo real, independiente del objeto para agarrar de lazo cerrado.

“El enfoque de red Neural convolucional agarrando generativa funciona por predecir la calidad y la pose de un asimiento dos dedos en cada píxel. Mediante la asignación de lo que tienen delante con una imagen de profundidad en un solo paso, el robot no necesita probar muchos asimientos posible diferentes antes de tomar una decisión, evitando tiempo computación veces,”dijo el Señor Morrison.

“En nuestras pruebas del mundo real, hemos logrado una tasa de éxito del 83% asimiento en un conjunto de objetos inéditos con geometría acusatorio y 88% en un conjunto de objetos del hogar que fueron trasladados durante el intento de comprensión. También logramos 81% exactitud al apego en desorden dinámico.”

Dr. Leitner dijo que el enfoque superó una serie de limitaciones de las actuales técnicas de agarre profundo aprendizaje.

“Por ejemplo, en el desafío de Picking de Amazon, que nuestro equipo ganó en el año 2017, nuestro robot CartMan se vería en un contenedor de objetos, tomar una decisión en donde era el mejor lugar agarrar un objeto y luego ir ciegamente intentar recogerlo “dijo

“Con este nuevo método, podemos procesar imágenes de los objetos que un robot ve dentro de unos 20 milisegundos, que permite el robot actualizar su decisión sobre dónde agarrar un objeto y luego lo hacen con mucho propósito mayor. Esto es particularmente importante en los espacios desordenados,”él dijo.

Dr. Leitner dijo que las mejoras serían valiosas para la automatización industrial y en entornos domésticos.

“Esta línea de investigación nos permite utilizar sistemas robóticos no sólo en entornos estructurados donde toda la fábrica se construye basadas en las capacidades robóticas. También nos permite captar objetos en entornos no estructurados, donde cosas no perfectamente planeadas y ordenadas, y robots están obligados a adaptarse a los cambios.

“Esto tiene beneficios para la industria–de almacenes para compras en línea y ordenar, a través a recogida de fruta. Podría también aplicarse en el hogar, desarrollo de robots más inteligentes para no aspirar o trapear un piso, pero también para recoger objetos y ponerlos lejos.”

Papel del equipo cerrando el lazo de agarre robótico: un enfoque de síntesis de comprensión generativo, en tiempo real se presentará esta semana en robótica: Ciencia y sistemas, la Conferencia Internacional de robótica más selectiva, que se celebra en Carnegie Mellon Universidad de Pittsburgh Estados Unidos.

La investigación fue apoyada por el centro australiano para la visión robótica.

See Campaign: https://www.sciencedaily.com/releases/2018/06/180625192819.htm
Contact Information:
Queensland University of Technology

Tags:
, Wire, Artificial Intelligence Newswire, United States, Spanish

image




iCrowdNewswire

Tags:    News