咨询热线:400-883-3391

当前位置:

加州伯克利研发出号称史上最灵活的机器人手

所有重要的科技公司、企业、创业公司、大学实验室等,目前都在为未来人工智能开发着重要的组件。这些组件包括:AI/机器学习、AR、VR、机器人、无人机、智能家庭、自动驾驶汽车、数字健康/可穿戴等。所有这些东西,都依赖一些共同元素,包括更强更分散的计算力、新传感器、更好的网络、更智能的语音、视觉识别,以及更智能更安全的软件等。

 

伯克利分校实验室研究人员正在试验这宽机器人的抓握性能。资料图


例如,抓握这个动作虽然简单,但它在人造智能的演变中发挥着非常重要的作用。最近,在美国加利福尼亚大学伯克利分校一个实验室里,一个普通的机器人正在挑选一些形状怪异的物体。令人惊叹的是,机器人是通过虚拟对象来实现操作的。

据悉,该机器人掌握了大量有关三维图形及其抓握技巧的数据,能判断如何使用不同的抓握力度,来抓起不同的物品。研究人员把图片传送到机器人的深度学习系统,它连接着机器人的手臂和3D传感器。当一个新物体被放在机器人面前时,它的深度学习系统能快速帮它匹配得到适合的图形和抓握技巧,并指挥手臂该如何操作。

据悉,这款机器人的抓握性能堪称史上最佳。在测试中,当机器人判断物体的抓握成功率高于50%时,它总能成功提起物体,虽然会有一些摇晃,但物体掉落的概率只有2%。如果机器人判断该物体难以抓握,它会拨动使之适合抓取,调整角度后的抓握成功率高达99%。

 

通过深度学习,机器人甚至能在一些新的应用领域工作,如医院、家庭。资料图


当前的机器人手臂大多只能抓取“熟悉”的物体,且研究人员往往需要为它提供大量练习,这个过程非常耗时。伯克利的新发明展示了一种新方法:把深度学习用于机器人抓握。这个创新避免了大量训练,同时提高了机器人在工厂和仓库中的适用性。通过深度学习,机器人甚至能在一些新的应用领域工作,如医院、家庭。

伯克利大学教授KenGoldberg表示,不同于传统机器人需要进行长达几个月的物理实验,这款机器人不需要实地练习,它能在模拟环境中学习数据集中包含的三维图形、视觉外观和抓握技巧,“培训”时间仅需一天。

目前,机器视觉技术尚处于萌芽期,学界极度缺乏相关数据,系统的数据集也亟待建立。深度学习、控制算法和新材料的进步不进有利于构建新型物理机器人,还将开启“机器换人”的新纪元,带来重大的经济影响。虽然几十年前,机器人就已出现在各类仓库和生产线,如亚马逊的kiva机器人,但当前大多数机器人只能搬运物品,机器人的分拣技术还相当笨拙。

此文关键字:传感器 传感器应用

相关产品

霍尼韦尔(Honeywell)IAQ PM2.5室内空气检测传感器
霍尼韦尔(Honeywell)IAQ PM2.5室内空气检测传感器
PNI物联智能停车管理传感器PlacePod
PNI物联智能停车管理传感器PlacePod
PNI公司的PlacePod是一款政府及私人路边或非路边区域停车管理用途的物智能物联传感器。停车问题一直以来都没有得到很好的解决,不仅给经济和环境带来了不利影响,而且会极大降低人们的满意度。如今,技术上的进步和社会发展的需要正促使新一代的停车系统不断得到推广。PNI PlacePod地下或地表式安装智能停车传感器,能够准确检测到车位上是否有车辆停靠,并通过用户的LoRa网关提供实时数据信息。
村田muRata三轴加速度传感器SCA3300-D01
村田muRata三轴加速度传感器SCA3300-D01
SCA3300-D01是一款高性能的三轴加速度传感器,它基于的是Murata(村田)经长期实践验证的电容式3D-MEMS技术。产品的设计、生产和测试过程按照了高稳定性、高可靠性和高质量的性能要求进行,因此,品在很大的温度和振动范围内具有极其稳定的输出,并且还能进行自检。
正在加载...

共有-条评论查看全部评论

正在加载...

我要评论:

*姓 名:
* Email:
* 电 话:
*内 容: 内容最多500个汉字,1000个字符
验证码: 看不清?!
 
 
请注意:
 

1.尊重网上道德,遵守中华人民共和国的各项有关法律法规,不发表攻击性言论。

2.承担一切因您的行为而直接或间接导致的民事或刑事法律责任。

3.新闻留言板管理人员有权保留或删除其管辖留言中的任意内容。

正在加载...

您的浏览历史

2011 传感器传家网 Copyright All rights Recerviced

深圳市铭之光电子技术有限公司 版权所有 2009 粤ICP备10082760号