211service.com
Din personliga robotassistent
Bortsett från Roomba har robotar inte gjort stora framsteg genom att infiltrera amerikanska hem. Men forskare vid Stanford University har utvecklat mjukvara som övervinner en av de största utmaningarna: lära en robot hur man plockar upp ett föremål som den aldrig har stött på tidigare. Robotens mjukvara antyder att det bästa sättet att plocka upp något nytt är att bestämma den mest gripbara delen av föremålet – stjälken på ett vinglas, handtaget på en mugg eller kanten på en bok, till exempel.
Ta upp det: Stanford-forskare har designat mjukvara som hjälper en robot att ta tag i föremål som den aldrig har sett förut. Hårdvaran sitter på en Segway hjulbas och inkluderar två lasrar för navigering, en robotarm för att greppa, högtalare, kameror och en mikrofon.
Ingenjörer och science-fiction-fans har länge drömt om att sätta in robotik i hemmet, säger Andrew Ng , professor i datavetenskap vid Stanford. I själva verket kan den robothårdvara som finns idag tillåta en robot att utföra de komplexa uppgifter som krävs för att plocka upp föremål, hålla ett hus rent och så vidare. Men den saknade biten, förklarar Ng, är programvara som kan tillåta robotar att göra dessa saker själva. En skicklig robot med smart att plocka upp nya föremål utan att vara specifikt programmerad för att göra det kan vara användbar för komplexa hushållsuppgifter som att mata husdjuren och ladda diskmaskinen.
Även om det är sant att vissa robotar kan plocka upp specifika objekt, även på ett rörigt bord, gör de det med hjälp av specifika tredimensionella modeller som har förprogrammerats, säger Aaron Edsinger , grundare av Meka Robotics , en startup i San Francisco. Men detta förutsätter att vi i förväg kommer att kunna veta vilka föremål som finns där ute, säger han. Detta kan till exempel vara oväsentligt i ett omsorgsfullt byggt vårdhem, men det skulle vara nödvändigt i en upptagen familjs lägenhet eller hus.
Istället för att använda förutbestämda modeller av objekt, bygger vissa robotiker, inklusive Edsinger och Ng, uppfattningssystem för robotar som letar efter vissa funktioner på objekt som är bra att greppa. Stanford-teamet har närmat sig problemet genom att samla in ett antal tidigare fragmenterade tekniker, säger Ng, såsom datorseende, maskininlärning, taligenkänning och grepphårdvara, och satt ihop dem i en robot som heter TRAPPSTEG (Stanford Artificiell Intelligens Robot).
Multimedia
Se roboten följa instruktionerna för att hämta en häftapparat.
Se roboten plocka upp ett antal olika formade föremål.
Se roboten öppna en dörr.
STAIRs hårdvara består av en mobil robotarm med en mikrofon, en högtalare, sensorer och kameror som hjälper armen att hämta föremål. Robotens mjukvara har sin grund i maskinlärande algoritmer som kan tränas för att utföra vissa funktioner. Forskarna tränade programvaran med hjälp av 2 500 bilder av objekt, med greppbara områden identifierade.
Men att ta steget från tvådimensionella bilder till en tredimensionell värld var en utmaning, säger Ng. Vanligtvis kan en robot skapa en 3D-vy av sin miljö – så att den vet hur långt bort kaffekannan är från handen – med hjälp av indata från två kameror. Detta avstånd bestäms vanligtvis genom att samla in ett stort antal punkter på ett objekt med höger och vänster kamera, och sedan triangulera all data för att bygga en 3D-modell. Denna process kräver dock mycket datorkraft och tid.
Ngs team utvecklade ett alternativ som förenklar processen. Istället för att samla in data om många punkter på ett objekt, identifierar forskarnas algoritm mittpunkten av en gripbar del av ett objekt, till exempel ett handtag, genom att beräkna kanterna på ett objekt och jämföra detta med kanterna på statistiskt liknande objekt i databasen. Programvaran matchar denna punkt med båda kamerorna och triangulerar avståndet. Detta var nyckelidén som fick alla våra greppande saker att fungera, säger Ng. Vi har nu gjort saker som att ladda föremål från en diskmaskin.
Robotar behöver fortfarande lära sig de finare punkterna med automatisk manipulation, tillägger Ng. STAIR designades endast för att greppa föremål och inte för att justera greppet beroende på situationen. Till exempel var den inte byggd för att hälla upp kaffe från en kanna – en uppgift som kan kräva en annan greppposition och ett annat tryck än att bara plocka upp kannan och placera den på en hylla. Dessutom känner inte programvaran till objektets konsistens - om det är squishy eller solid. Men forskare arbetar med dessa problem, och i slutändan kommer en personlig robot att ha en kombination av avkänningsteknologier och olika programvaror som gör att den kan plocka upp och manipulera ett objekt. (Se Robotar som känner innan de rör vid .)
Det kan dröja år innan all teknik är tillräckligt integrerad så att robotar kan hantera komplexa hushållssysslor på egen hand, men Stanford-arbetet driver drömmen framåt. Om jag var tvungen att välja en sak som håller tillbaka den här visionen om personlig robotik, skulle det vara förmågan att plocka upp saker och manipulera dem, säger Josh Smith , senior forskare vid Intel Research, i Seattle. Vi behöver fler greppstrategier, som [Stanford-forskarnas], som inte kräver en explicit 3D-modell av objektet. Han tillägger att förutom att roboten har förbättrad datorseendeteknik, kommer robotens faktiska hand med största sannolikhet att ha ett antal sensorer som kan känna om ett föremål rör sig eller om greppet inte är rätt. Mycket rikare avkänning i handen kommer att vara en viktig del av lösningen, säger Smith.