机械手臂进化之路:距离像人手一样灵活不远了

  • 时间:
  • 浏览:0
  • 来源:大发uu快3_uu快3官方版app下载_大发uu快3官方版app下载

然后,机械手臂非要执行由工程师团队编写的程序运行运行,一点现在,它们可以 当时人学习更复杂性的任务了。

随便说说一只机械手臂和十个 机械手指还非要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,研究人员正没有 接近于创科学发明才能模仿真实人手的机械手臂。

旋转

在由埃隆·马斯克和一点十几个 硅谷知名人士同時 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:它的机械手指才能像人的手指一样弯曲或伸直。

让我让Dactyl为你展示字母积木的某一面——比方说红色的O,橙色的P或湖蓝色的I——它会向你展示,一点用灵活的土办法旋转、扭动和翻转积木。

这对于人类来说非常简单,但对于一台机器来说,这是另十个 非常了不起的成就:机械手臂Dactyl在很大程度上是靠当时人来学习怎么完成这项任务的。研究人员利用数学的土办法让Dactyl学习,亲们相信可以 通过训练让机械手臂和一点机器来完成更复杂性的任务。

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

你是什么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。机器配另十个 一根绳子 手指的“钳子”,可以 拿起像螺丝起子或钳子一样的物件,一点把它们分类到不同容器里。

钳子比十个 手指更容易控制,而制造另十个 操作夹钳所需的软件而是没有 困难。它可以 除理一点不粉悉的物体。比如,它不可能 谁能谁能告诉我哪此是餐馆式的番茄酱瓶塞,一点它知道瓶塞的特性和螺丝起子你是什么。一点,不可能 这台机器遇到的东西与它然后所遇到的不同——比如另十个 塑料手镯——不可能 就会除理的不太好。

拾取

亲们都希望另十个 能捡起任何东西的机器人,包括它然后从未见过的东西。这是一点Autolab的研究人员在过去几年里所建立的机器人。

你是什么系统仍然使用简单的硬件:另十个 夹子和另十个 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。

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,选泽了每另十个 物体的最佳选泽。一点,系统使用神经网络算法分析了所有哪此数据,并研究会了识别每个物品的最佳土办法。在过去,研究人员时需对机器人进行编程,让它们完成次要任务。但现在,它可以 当时人学习哪此任务。

当面对另十个 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塞时,它会选泽吸杯。你是什么机械手可以 成功地捡起多件随机物品。

它并不完美,一点不可能 系统可以 当时人学习,它的进步波特率比过去的机器快得多。

图:机械手捡拾物品(2倍速播放)

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。你是什么机器人你爱不爱我还非要完美地完成医院的工作,但它不可能 代表了显著的进步。

图:机器人模拟铺床(2倍速播放)

现在,假如通过分析数据,你是什么系统就可以 在一小段时间内研究会铺床。在学习时,系统会分析铺床过程中的每另十个 动作。

图:机器人模拟铺床(2倍速播放)

移动

在伯克利的BAIR实验室里,原来 系统正在应用其它的学习土办法。你是什么机械手臂可以 用另十个 夹子推动物体,并预测它应该在的位置。这由于它可以 像你我一样把玩具移到桌子上。

你是什么系统通过分析多量的视频图像来学习你是什么行为,哪此图像显示了物体是怎么被移动的。通过你是什么土办法,它可以 除理你是什么任务带来的不选泽性以及一点意想非要的动作。

未来

哪此都会 简单的任务,一点机器非要在特定条件下除理它们。它们失败的次数并不比成功的次数少。但驱动哪此系统的机器学习土办法表明,在未来几年内不可能 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,哪此机械手臂拥有与人类相同的手指和关节。

这比训练另十个 夹钳或吸盘要困难得多,另十个 模拟人类的手应该才能以多种不同的土办法移动。一点,华盛顿的研究人员通过模拟附近的环境来训练亲们的机器手臂。

在OpenAI,研究人员正在以同样的土办法训练亲们的Dactyl机械手,你是什么系统旋转字母积木的过程积累了大概400年的训练经验。你是什么数字模拟在成千上万的计算机芯片上同時 运行,得以将训练时间压缩到五天。它通过反复的尝试和犯错来学习哪此任务。一旦它了解了模拟时的工作原理,它就可以 将哪此知识应用到现实世界中。

一点研究人员质疑你是什么模拟训练是是否是使成果只等待歌曲在理论层面,但就像伯克利和一点实验室的研究人员一样,OpenAI团队不可能 证明了你是什么点。亲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,研究会除理你是什么随机性后,机械手就可以 除理真实世界的不选泽性。

今天,Dactyl所能做的而是旋转另十个 方块,但研究人员正在探索怎么将哪此技术应用于更复杂性的任务。比如制造业,无人驾驶飞机,甚至是无人驾驶汽车。