Роботы научились с легкостью захватывать и перемещать объекты

В 2020 году ограничения из-за пандемии сделали онлайн-покупки более популярными, чем когда-либо. Однако стремительно растущий спрос приводит к задержкам отправки товаров и к опасным ситуациям на складе. Ученые создали новое ПО для ИИ, которое улучшает навыки роботов для быстрого захвата и плавного перемещения объектов. Вскоре это поможет рабочим в складских помещениях.

Автоматизация складских задач может быть сложной. Многие действия, которые естественны для людей, на самом деле являются довольно сложной задачей для роботов. Например, решение, откуда и как брать различные типы объектов. Важна и дальнейшая координация движений плеч, рук и запястий, необходимых для перемещения каждого из них из одного места в другое. Кроме того, движения роботов более резкие — это увеличивает риск повреждения как объектов, так и роботов.

«Склады по-прежнему обслуживаются в основном людьми, потому что роботам все еще очень трудно надежно захватывать множество различных объектов, — объясняет Кен Голдберг, старший автор исследования. — На автомобильной сборочной линии одно и то же движение повторяется снова и снова, поэтому его можно автоматизировать. Но на складе все заказы разные».

Видео, демонстрирующее работу складского робота-манипулятора с перемещением до и после применения глубокой нейронной сети. Предоставлено: Ичновски и др.

В более ранней работе Голдберг и научный сотрудник Калифорнийского университета в Беркли Джеффри Ичновски создали оптимизированный для хватания планировщик движений. Однако сделать движения плавными инженерам не удалось. Хотя параметры ПО настраивались для создания именно этого, вычисления занимали в среднем около получаса.

В новом исследовании Голдберг и Ичновски в сотрудничестве с аспирантом Калифорнийского университета в Беркли Яхавом Авигалом и студентом Вишалом Сатишем значительно ускорили время вычислений планировщика движений за счет интеграции нейронной сети с глубоким обучением.

Нейронные сети позволяют роботу учиться на примерах. Позже робот может часто обобщать похожие объекты и движения. Однако эти приближения не всегда достаточно точны. Голдберг и Ичновски обнаружили, что приближение, генерируемое нейронной сетью, затем можно оптимизировать с помощью специального планировщика. Объединив нейронную сеть с планировщиком движения, команда ученых сократила среднее время вычислений с 29 секунд до 80 миллисекунд. 

Авторы исследования уверены, что благодаря этому и другим достижениям роботы вскоре смогут помочь работникам складских помещений. «Это прекрасная новая возможность для роботов поддержать людей» — заключает Голдберг.

  • Автор: Анастасия Никифорова
СЛЕДУЮЩИЙ МАТЕРИАЛ РАЗДЕЛА "Технологии"