Ajouter à mes favoris
Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais
cliquez ici
#Actualités du secteur
{{{sourceTextContent.title}}}
ROBOT DE ÉTUDE PROFOND : 10 JOURS POUR APPRENDRE COMMENT SAISIR
{{{sourceTextContent.subTitle}}}
Cobot Baxter apprend comment saisir plus de 150 objets sans intervention humaine à l'université de Carnegie Mellon
{{{sourceTextContent.description}}}
Une fois comparés à beaucoup d'animaux, les bébés humains sont étonnant vulnérables en leurs premiers mois, toutefois ils ont une capacité élevée pour autodidacte et peuvent maîtriser une série de qualifications dans leur première année. Quelque chose aussi fondamentale qu'un enfant apprenant comment prendre les jouets qui sont une gamme des formes et des tailles est en fait un exploit impressionnant. Maintenant les chercheurs ont observé le comportement semblable dans un robot industriel doublement armé appelé Baxter. Les chercheurs, le Lerrel Pinto et l'Abhinav Gupta à l'université de Carnegie Mellon, si Baxter avec des possibilités d'étude profondes, disposées une table complètement des objets devant elle, et marchées loin, la laissant pour apprendre seule.
Baxter est un cobot industriel humain-sûr qui est conçu pour effectuer des tâches qu'on peut répéter, telles que la ligne chargement, empaquetage et manipulation matérielle. Chaque bras est équipé d'une pince de parallèle de deux-doigt et le robot possède également un appareil-photo de haute résolution pour voir ce qu'il fait. Le robot a été programmé pour saisir un objet en le séparant de ses voisins, puis pour choisir un point aléatoire, pour tourner ses pinces dans la ligne et pour essayer une prise. Pour chaque point, Baxter répète le processus saisissant environ 188 fois, ajustant chaque fois l'angle passionnant par 10 degrés.
Pinto et Gupta ont alors laissé le robot devant la table des objets pour figurer dehors comment elle devrait saisir chacun. Au cours d'une période de 700 heures, Baxter a accompli 50.000 prises sur 150 objets différents, et a découvert quelle approche a fonctionné bien avec quel objet. Les objets ont inclus une série d'articles de ménage tels que des jouets en plastique et un extérieur de TV. Baxter pouvait prévoir si une prise serait des presque 80 pour cent réussi du temps, qui était considérablement meilleur que d'autres approches Pinto et Gupta ont essayé. L'expérience a été entreprise dans un environnement encombré et non structuré et fournit une perspicacité importante dans la façon dont les robots peuvent apprendre et s'adapter sans intervention humaine.