前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【视频】让围棋AI自己落子,DexNet机械臂深度学习抓取各种形状物体

【视频】让围棋AI自己落子,DexNet机械臂深度学习抓取各种形状物体

作者头像
新智元
发布2018-03-28 11:35:58
7290
发布2018-03-28 11:35:58
举报
文章被收录于专栏:新智元

【新智元导读】战无不胜的 AlphaGo 离不开它的“机械臂”黄博士。如果让 AlphaGo 自己落子,人类胜算想必能提高不少。抓取形状不规则的物品对机器人来说一直是个难题,因为它们很难知道在哪里用力。加州大学伯克利分校的机器人专家利用 AI 来解决这个问题,他们建了一个名为 DexNet 的系统,能够让机械臂即时、有效地抓取以前从未见过的物品,准确率达到99%。

机器人在做已经向他们展示过如何做的事情时表现很好,但当出现新的问题,比如让他们抓取一个陌生形状的物品,他们往往做不好。形状不规则的物品,例如鞋子,喷雾器,打开的盒子,橡皮鸭等物品,人类很容易就会抓取,但机器人很难知道应该在那个地方应用抓力。

加州大学伯克利分校的机器人专家利用 AI 来解决这个问题,他们建了一个名为 DexNet 的系统,能够让机械臂即时、有效地抓取以前从未见过的物品,准确率达到99%。

这个系统背后的基本思想与我们人类如何掌握捡起物品的技巧很相像。系统先是看到一个物品,了解它的形状,并将它与过去抓取过的其他物品进行比较,然后利用这些信息去选择最佳的方法。

DexNet 不具备拥有眼睛和记忆的人类的优势,因此,它的创造者提供给它超过 600万个物品的 3D 表现,并且从理论上来说,它能以最好的方法抓取物品。在实践中,系统会“看到”物品,将它的点云与自己记忆中的进行比较,然后确定一个最接近的点。

DexNet 利用深度学习技术获得较高的准确性和灵活性。研究人员构建了一个庞大的三维形状数据库,总共包含 670 万个数据点,神经网络利用这些数据学习抓取和移动形状不规则的物品。然后,这个神经网络被连接到 3D 传感器和机械臂。当一个物品放置在DexNet前面时,它会快速研究物品的形状,然后选择抓取和移动物品的方式,而且99%的概率能够成功。

研究人员向 DexNet 提供了它以前没遇见过的数十种物品,机械臂抓取每样物品,只有一次失败了。这表明这个系统相当鲁棒,尽管系统只是用合成数据训练的,而且,系统平均不到1秒的时间就能计算出抓取的点。

视频内容

DexNet 的成功率很高,意味着这项技术可能很快就会被应用到工业中,具有变革制造业和供应链的潜力。DexNet 的创造者,UC Berkeley 的机器人专家将在7月份的 RSS 2017会议上提交最新版本的系统,并计划发布他们收集的物体和点云数据集。

原文地址:https://techcrunch.com/2017/05/26/this-robot-arms-ai-thinks-like-we-do-about-how-to-grab-something/

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-06-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 新智元 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档