Технологии#Тенденции: Техническое зрение в робототехнике будет дополняться интеллектом (+Видео)

#Тенденции: Техническое зрение в робототехнике будет дополняться интеллектом (+Видео)

Еще несколькими годами ранее считалось, что для самостоятельного передвижения мобильных роботов, проблемой мог считаться, например - стол.  Любая преграда рассматривалась как непреодолимое препятствие, которую следует избегать, в противном случае – идти напролом, ликвидируя все, что встречается на пути. Порой невозможность реализации одного из  действий приводило к бессмысленным движениям в разные стороны.  Теперь все по-другому. Роботов научили преодолевать препятствия с умом!

Официальная презентация технологии «умного зрения» состоялась на конференции IROS 2016 в Южной Корее. Представитель Google DeepMind Джонатан Шольц совместно с соавторами из Georgia Tech представил доклад на тему "Навигация среди движимых препятствий с извлечением динамических ограничений". Согласно представленной в докладе информации, манипуляторы приобретают возможность «с умом» распознавать объекты на своем пути, анализировать эффективность принятого решения и мастерски достигать цели попадания в необходимое место. 

Проблема перемещения через заставленные пространства является очень распространенной ситуацией в домашних условиях, таких как дома и офисы, где вещи могут загромождать проход непредсказуемым образом. В отличие от структурированной среды, например, заводов и лабораторий, сложно предсказать местоположение нахождения вещей в конкретный момент времени, что неимоверно усложняет задачу продвижения среди предметов для роботов.  

Для наглядности в качестве примера был представлен робот   Golem Krang, который совмещает в себе систему Навигации между подвижными препятствиями (Navigation Among Movable Obstacle –NAMO) и  алгоритм  обучения, основанный на законах физики (Physics-Based Reinforcement Learning – PBRL). По существу Krang способен использовать физический движок, чтобы понять и предсказать поведение объектов, затем впоследствии, используя полученные знания, передвинуть предметы.

Вот как это работает на примере двух столов-препятствий, масса каждого - около 35 кг, причем дополнительно установлены блокируемые колесики: 

Успех! А вот еще пример того, когда Krang предварительно применяет силу для прохождения посередине между двумя столами, но после неудачных попыток вынужден откорректировать свое дальнейшее продвижение:

В момент перемещения столов, Krang не имеет ни малейшего представления о прикрепленных ограничениях. Каждый раз, когда один из столов не поддается передвижению предполагаемому алгоритму, Krang обновляет его физическую модель с дальнейшим применением другого варианта решения с учетом имеющихся ограничений.  В выше представленных видео используется идентичная кодовая база, адаптируемая по мере необходимости к каждой конкретной ситуации. Теперь при встрече с каким-либо объектом, манипулятор анализирует, как лучше действовать. Этот вид адаптивного поведения обучения является повседневным навыком для людей, а в дальнейшем это умение станет одним из важнейших и для мобильных роботов.  

На самом деле  для робота Golem Krang совершать такого рода манипуляции в реальной неструктурированной среде представляется достаточно сложным. Исследователям придется потрудиться над обновленной системой управления роботом без использования расположенной сверху 6-камерной системы машинного зрения.

  

Автор: Вадим Егунов: 14.11.2016
Источник: spectrum.ieee.org


 

 

 



comments powered by HyperComments
Узнать цену / Купить
Робот
Ваше имя *
Название организации *
Телефон *
Email *
 Принимаю политику конфиденциальности