人类怎么样通过触摸识别物体,在游戏世界里

金沙国际唯一官网网址 2

金沙国际唯一官网网址 1

金沙国际唯一官网网址 2

发布时间:2019年06月10日 11:58来源:cnBeta.COM编辑:人气:711

festo开发了一种灵活的机械手,使用人工智能来推断如何用手指操纵物品。对于构建

在游戏世界里,玩家已经熟悉了各种仿生肢体和机械外骨骼,玩科幻游戏时间长了,甚至有点感觉这种技术已经无处不在。但实际上,科学家对于机械手臂的研究还在继续,目前甚至都还不能实现《生活大爆炸》里霍华德那个“大胆的想法”。

包装印刷产业网
国际新闻
】麻省理工学院计算机科学与人工智能实验室(MIT-CSAIL)的研究人员近日开发了一种低成本的传感器手套,旨在使人工智能能够“弄清楚”人类如何通过触摸识别物体。它被称为可伸缩的TActile手套,使用550个微小的压力传感器来生成可用于创建改进的机械手的模式。
人类非常善于通过触摸来弄清楚物体是什么(例如在黑暗中摸索眼镜或手机)。工程师希望机器人也能效仿这种能力。
这样做的一种方法是收集尽可能多的关于人类实际上如何通过触摸识别的信息。原因在于,如果有足够大的数据库,那么机器学习可以用来进行分析,不仅可以推断人手如何识别某物,还可以估计其重量——机器人和假肢难以做到这点。
麻省理工学院正在通过配备550个压力传感器的低成本针织手套收集这些数据。手套连接到计算机,计算机收集数据,压力测量结果被转换为视频“触觉地图”并被输入卷积神经网络。
该网络能对图像进行分类,找出特定的压力模式并将其与特定的物体相匹配。
该团队从26个常见物体(如饮料罐、剪刀、网球、勺子、钢笔和马克杯)中收集了135000个视频帧。然后,神经网络将半随机帧与特定的夹点相匹配,直到建立了一个物体的完整图片——这与人们通过在手中滚动物体来识别物体的方式非常相似。通过使用半随机图像,可以给网络提供相关的图像集群,因此不会在无关数据上浪费时间。
“我们希望最大化框架之间的差异,为我们的网络提供最好的输入,”
CSAIL博士后Petr
Kellnhofer说。“单个群集中的所有帧都应该具有类似的签名,这些签名代表了抓取对象的类似方式。从多个群集中采样模拟人类交互式尝试探索物体时找到不同的抓取方式。”
该系统目前识别物体的精确度为76%,其还可以帮助研究人员了解手掌握和操纵它们的方式。为了估计重量,研究人员还编制了一个11600帧的单独数据库,显示在跌落之前用手指和拇指拾取物体。通过在物体被保持时测量手周围的压力,然后在跌落后比较它,可以测量重量。
该系统的另一个优点是成本和灵敏度。类似的传感器手套价值数千美元,却只有50个传感器。而麻省理工学院的手套则采用现成的材料,成本仅为10美元。
该研究发表在《自然》杂志上。
原标题:研究者开发低成本传感器手套:机械手触摸识别物体

festo开发了一种灵活的机械手,使用人工智能来推断如何用手指操纵物品。对于构建能够在工作场所、家中以及任何其他地方独立执行任务的机器人来说,这种自学技术非常重要。

虽然一只机械手臂和五个机械手指还不能达到与人类一样的灵活度,但在世界顶级的人工智能实验室里,研究人员正越来越接近于创造出能够模仿真实人手的机械手臂。

bionicsofthand通过反复试验来确定应该如何执行任务,但没有繁琐、耗时的手动过程。一旦工程师给机器人一个物体,3d摄像机和深度传感器就会创建一个物体的虚拟副本,然后机械手的人工智能就会运行无数的模拟,以帮助它快速弄清楚该做什么。在演示视频中,该机器人确定了如何在手指之间滚动十二面体而不会掉落它,如果没有人工智能,机器人可能需要花费好几个月的时间才能学会如何操作。

旋转

机械手

在由埃隆·马斯克和其他几个硅谷知名人士共同创建的OpenAI实验室中,研究人员制造了一款名为
Dactyl
的机械手臂。它看起来很像最新的星球大战电影中的卢克·天行者的机械假体:它的机械手指能够像人的手指一样弯曲或伸直。

人工智能只是项目的一部分,该机器人手感柔软,这意味着它可以安全地与人类互动。机械手的手指由3d纺织针织面料制成,配备了触觉传感器和柔性电路板,里面有波纹管,通过充气和放气,可以活动关节。拇指和食指底部的气动转轴让它们可以从一侧移动到另一侧,而在手腕上有二十几个比例压电阀使整个机械手能够工作正常。festo表示,该机械手的构造允许它具有12个自由度,可以灵巧地操纵物体。

你可以让Dactyl为你展示字母积木的某一面——比方说红色的O,橙色的P或蓝色的I——它会向你展示,然后用灵活的方式旋转、扭动和翻转积木。

机器学习会随着时间的推移而改进,随着人工智能和硬件的发展,像bionicsofthand这样的机器人还可以自主地处理更多任务。

图:Dactyl机械手展示字母积木

这对于人类来说非常简单,但对于一台机器来说,这是一个非常了不起的成就:机械手臂Dactyl在很大程度上是靠自己来学习如何完成这项任务的。研究人员利用数学的方法让Dactyl学习,他们相信可以通过训练让机械手臂和其他机器来完成更复杂的任务。

图:Dactyl机械手

这只灵巧的手臂代表了过去几年机器人研究的巨大飞跃。但直到最近,研究人员仍在努力让更简单的机械手臂来掌握更简单的任务。

抓取

这个系统是由加州大学伯克利分校的机器人实验室Autolab的研究人员创建的,它在几年前代表了技术的极限。机器配有一个两根手指的“钳子”,可以拿起像螺丝起子或钳子一样的物件,然后把它们分类到不同容器里。

图:Autolab研发的机械手

钳子比五个手指更容易控制,而制造一个操作夹钳所需的软件也不那么困难。它可以处理一些不太熟悉的物体。比如,它可能不知道什么是餐馆式的番茄酱瓶子,但是它知道瓶子的形状和螺丝起子类似。但是,如果这台机器遇到的东西与它之前所遇到的不同——比如一个塑料手镯——可能就会处理的不太好。

图:Autolab研发的机械手

拾取

大家都希望有一个能捡起任何东西的机器人,包括它以前从未见过的东西。这是其他Autolab的研究人员在过去几年里所建立的机器人。

图:Autolab研发的机械手

这个系统仍然使用简单的硬件:一个夹子和一个吸盘。但它可以捡起各种各样的随机物品——从剪刀到塑料玩具恐龙。

图:机械手捡拾物品

该系统得益于机器学习的巨大进步。伯克利的研究人员对超过1万个物体的物理模型进行了建模,确定了每一个物体的最佳选择。然后,系统使用神经网络算法分析了所有这些数据,并学会了识别每个物品的最佳方式。在过去,研究人员必须对机器人进行编程,让它们完成每项任务。但现在,它可以自己学习这些任务。

图:机械手捡拾物品

当面对一个塑料尤达玩具时,系统会意识到它应该用钳子把玩具捡起来。但当它遇到番茄酱瓶子时,它会选择吸杯。这个机械手可以成功地捡起多件随机物品。

图:机械手捡拾物品

它并不完美,但是由于系统可以自己学习,它的进步速度比过去的机器快得多。

图:机械手捡拾物品

铺床

伯克利的研究人员利用最新的机器学习技术,在短短两周的时间内就整合完成了可以铺床的机器人系统。这个机器人也许还不能完美地完成医院的工作,但它已经代表了显著的进步。

图:机器人模拟铺床

现在,只要通过分析数据,这个系统就可以在一小段时间内学会铺床。在学习时,系统会分析铺床过程中的每一个动作。

图:机器人模拟铺床

移动

在伯克利的BAIR实验室里,另一个系统正在应用其它的学习方法。这个机械手臂可以用一个夹子推动物体,并预测它应该在的位置。这意味着它可以像你我一样把玩具移到桌子上。

图:机器人移动物体

这个系统通过分析大量的视频图像来学习这种行为,这些图像显示了物体是如何被移动的。通过这种方式,它可以处理这种任务带来的不确定性以及一些意想不到的动作。

图:机器人移动物体

未来

这些都是简单的任务,而且机器只能在特定条件下处理它们。它们失败的次数并不比成功的次数少。但驱动这些系统的机器学习方法表明,在未来几年内将会继续取得很大的进步。

和OpenAI的研究人员一样,华盛顿大学的研究人员正在训练机器手臂,这些机械手臂拥有与人类相同的手指和关节。

图:研究人员正在训练机械手臂

这比训练一个夹钳或吸盘要困难得多,一个模拟人类的手应该能够以多种不同的方式移动。因此,华盛顿的研究人员通过模拟周围的环境来训练他们的机器手臂。

澳门金莎娱乐网站金沙国际唯一官网网址 ,图:研究人员正在训练机械手臂

在OpenAI,研究人员正在以同样的方式训练他们的 Dactyl
机械手,这个系统旋转字母积木的过程积累了大约100年的训练经验。这一数字模拟在成千上万的计算机芯片上同时运行,得以将训练时间压缩到两天。它通过反复的尝试和犯错来学习这些任务。一旦它了解了模拟时的工作原理,它就可以将这些知识应用到现实世界中。

图:研究人员正在训练机械手臂

许多研究人员质疑这种模拟训练是否使成果只停留在理论层面,但就像伯克利和其他实验室的研究人员一样,OpenAI团队已经证明了这一点。他们在模拟训练中引入了一定的随机性——它们改变了手和木块之间的摩擦力,甚至改变了模拟的重力。在模拟的世界中,学会处理这种随机性后,机械手就可以处理真实世界的不确定性。

今天,Dactyl所能做的只是旋转一个方块,但研究人员正在探索如何将这些技术应用于更复杂的任务。比如制造业,无人驾驶飞机,甚至是无人驾驶汽车。

相关文章

Leave a Comment.