一项引人入胜的挑战导致了机器人手指抓取物体技能领域的解决方案的开发。
由德国马克斯普朗克智能系统研究所 (MPI) 组织的“真实机器人”挑战提出了使用低成本机械臂改变立方体的位置和方向的问题。参与挑战的队伍需要解决一系列不同难度的物体操纵领域的问题。
为了应对所提出的其中一个问题，来自多伦多大学矢量研究所、苏黎世联邦理工学院和图宾根理工学院的研究人员开发了一个系统，
使机器人能够获得具有挑战性的手指操作技能，并将这些技能从模拟中有效地转移到真实机器人中。
该系统实现了 83% 的显着成功率，能够启用挑战组织者提出的远程 TriFinger 系统来完成涉及手指技能的挑战性任务。
“我们的目标是使用基于学习的方法来解决问题……以低成本，”其中一位研究人员 Animesh 说。
Garg 和他的同事们试图证明使用三指机器人系统解决抓取物体的手指操作任务的能力，该系统使用比以前研究更少的资源将模拟中获得的结果转移到现实世界。
为此，他们在模拟中使用强化训练了一个学习代理，并创建了一种深度学习技术，能够根据机器人的观察来规划未来的行动。
研究人员决定使用“关键点表示”，这是一种通过关注图像中的关键兴趣点来表示对象的方法。 无论图像的大小、方向、失真或任何变化如何，这些点都保持不变。
研究人员在输入神经网络的图像数据中使用关键点来表示机器人应该操纵的立方体的位置。 它们还用于计算“奖励”函数，最终可以让强化学习算法随着时间的推移提高性能。
研究人员在一天的课程中，在他们使用 Isaac 创建的推荐环境中通过强化来训练学习模型。 该算法“经历”了 16,000 次机器人模拟，产生了大约每秒 50,000 步的数据，用于训练系统。
锐科吉讯军工产品设计
网站的备案号：粤ICP备19108254号 保留所有权利:深圳市锐科吉讯工业产品设计有限公司