211service.com
Amazon Robot Contest kan påskynda lagerautomatisering
Paket med Oreos, lådor med kritor och pipiga hundleksaker kommer att testa gränserna för robotsyn och manipulation i en tävling i maj. Amazon organiserar evenemanget för att stimulera utvecklingen av mer smidiga fingrar för produktförpackningsmaskiner.
Willow Garages PR2, en av robotarna som är involverade i utmaningen, använder denna konventionella gripare.
Deltagande robotar kommer att tjäna poäng genom att lokalisera produkter som sitter någonstans på en hög med hyllor, hämta dem på ett säkert sätt och sedan packa dem i kartongförsändelser. Robotar som av misstag krossar en kaka eller tappar en leksak kommer att dra av poäng. De personer vars robotar tjänar flest poäng vinner $25 000.
Amazon har redan automatiserat en del av det arbete som görs i sina stora uppfyllelsecenter. Robotar på ett fåtal platser skickar hyllor lastade med produkter till mänskliga arbetare som sedan tar och paketerar dem. Dessa mobila robotar, tillverkade av Kiva system , ett företag som Amazon köpte 2012 för 678 miljoner dollar , minska det avstånd som mänskliga arbetare måste gå för att hitta produkter. Men ingen robot kan ännu plocka och packa produkter med en människas snabbhet och tillförlitlighet. Industrirobotar som redan är utbredda i flera branscher är begränsade till extremt exakt, repetitivt arbete i mycket kontrollerade miljöer.
Pete Wurman , teknisk chef för Kiva Systems, säger att ett 30-tal team från akademiska avdelningar runt om i världen kommer att delta i utmaningen, som kommer att hållas vid den internationella konferensen om robotik och automation i Seattle ( ICRA 2015 ). I varje omgång kommer robotar att bli tillsagda att välja och packa en av 25 olika föremål från en hyllbunt som liknar de som finns i Amazons lager. Vissa team utvecklar sina egna robotar, medan andra anpassar kommersiellt tillgängliga system med sina egna gripdon och mjukvara.
De 25 föremålen som deltagande robotar kommer att behöva hämta från hyllorna.
Utmaningen för robotarna i Amazons tävling kommer att vara betydande. Människor har en anmärkningsvärd förmåga att identifiera föremål, komma på hur man manipulerar dem och sedan greppa dem med precis rätt mängd kraft. Detta är särskilt svårt för maskiner att göra om ett föremål är obekant, obekvämt format eller sitter på en mörk hylla med en massa andra föremål. I Amazon-tävlingen kommer robotarna att behöva arbeta utan fjärrstyrning från deras skapare.
Vi försökte välja ut en mängd olika produkter som var representativa för vår katalog och som innebär olika typer av utmaningar att förstå, sa Wurman. Som plastfolie; svårgreppbara små hundleksaker; saker du inte vill krossa, som Oreos.
Videon nedan visar tillvägagångssättet från ett team vid University of Colorado. Teamet använder off-the-shelf mjukvara och bygger en robotarm som är specialiserad för uppgiften, säger Dave Coleman, en doktorand involverad.
Tävlingen kan erbjuda ett sätt att bedöma de framsteg som har gjorts under de senaste åren, när några billigare, säkrare och mer anpassningsbara robotar har dykt upp (se How Technology Is Destroying Jobs) tack vare framstegen i den teknik som ligger bakom maskinskicklighet. Nya typer av robotmanipulatorer gör till exempel maskiner mindre skickliga på att plocka upp krångliga eller besvärliga föremål. Flera startups utvecklar robothänder som försöker kopiera den flexibilitet och känselkänsla som finns i mänskliga siffror. Framsteg inom maskininlärning kan hjälpa robotar att utföra mycket mer sofistikerad objektmanipulation under kommande år.
Ett viktigt genombrott inom detta område kom 2006, när en grupp forskare ledda av Andrew Ng, sedan vid Stanford och nu på Baidu, utarbetade ett sätt för robotar att ta reda på hur man manipulerar okända föremål. Istället för att skriva regler för hur man greppar ett specifikt föremål eller form, gjorde forskarna det möjligt för deras robot att studera tusentals 3D-bilder och lära sig känna igen vilka typer av grepp som skulle fungera för olika former. Detta gjorde det möjligt för den att hitta lämpliga grepp för nya föremål.
Under de senaste åren har robotikforskare i allt högre grad använt en kraftfull maskininlärningsmetod som kallas djupinlärning för att förbättra dessa förmågor (se 10 Breakthrough Technologies 2013: Deep Learning ). Ashutosh Saxena , en medlem av Ngs team på Stanford och nu biträdande professor vid Cornell University, använder djupinlärning för att träna en robot som kommer att delta i Amazonas utmaning. Han arbetar med en av sina elever, Ian Lenz .
Även om Amazon-utmaningen kan tyckas enkel, tror Saxena att den snabbt kan få inverkan i den verkliga världen. Om robotar kan hantera även de lätta typer av greppuppgifter som tävlingen föreslår, säger han, kan vi faktiskt börja se många robotar som hjälper människor med olika uppgifter.