MIT допомагає роботам відрегулювати зчеплення з новими алгоритмами
Ви можете не помітити, як легко ви можете переключити хват, піднімаючи предмет, але інженери-робототехніки багато думають про це. Навіть найскладніші механізовані конички іноді не можуть захопити праву частину предмета, а переміщення його навколо - обчислювально складний маневр. Дослідники з MIT розробили новий алгоритм, який може допомогти роботам підштовхувати елементи до обраних домовленостей.
Коли людині потрібно відрегулювати своє захоплення чимось, не використовуючи іншої руки, вони, як правило, підкріплюють його на рівній поверхні. Подумайте про те, як ви можете переключити ручку на олівець під час використання гумки - той самий процес може допомогти роботові підібрати та маніпулювати предметами з неорганізованого відро з набагато більшою ефективністю. На жаль, для традиційних алгоритмів знадобиться десятки хвилин, щоб спланувати послідовність дій, щоб зрушити його захоплення, використовуючи підтримку зі стіни чи таблиці. Саме так сподівається звернутися до нового дослідження MIT.
Нові алгоритми, розроблені MIT, можуть планувати, як захоплювач може натискати на або нерухомий поверхню, щоб перемістити об'єкт менш ніж за секунду. Це багаторазове підвищення ефективності завдяки впорядкованому способу мислення про фізику. Раніше програма, яка намагається обчислити щось на зразок роботизованої руки, що притискає блок до стіни, щоб відрегулювати її захоплення, потребувала б вирішення складної математики, що підтверджує запланований маневр у контексті фізичних законів, таких як закони руху Ньютона та закон Кулона. Натомість новий алгоритм використовує конусоподібні карти тертя, які команда називає «конусами руху».
Значення всередині конуса руху описують, як граспер може штовхати або ковзати предмет, виконуючи фізичні закони та зберігаючи його зчеплення. Все, що знаходиться поза конусом, спричинило б його випадання предмета. Команда розраховує конус руху для бажаного результату, який дає підмножину можливих рухів, які не змусять грейдера скинути вантаж. Команда зазначає, що це все ще складний процес для того, що люди можуть зробити автоматично, але це набагато швидше, ніж старі методи. Щось, що зайняло 500 секунд за старими методами, займає лише одну секунду.
Ви можете бачити приклад нового алгоритму в дії вище. Команда провела тисячі тестів для перевірки моделі руху конуса. Якби вони застосували поштовх, що знаходився всередині конуса руху, грейфер залишився б під контролем. Все, що знаходиться поза конусом, призвело до того, що захоплювач викинув предмет. Команда сподівається, що ця технологія згодом стане корисною у виробництві та на складах.
Читати далі
VW програмне забезпечення зручно допомагає водіям, що обманюють випробування викидів, знову
Програмні технологічні викиди випробувань на думку, що транспортний засіб кашляється як трохи, як одна п'ятнадцята кількість оксиду азоту.
Новий AI допомагає передбачити, коли HDDS NAS збираються укусити пил
NAS виробник QNAP придумав розумний спосіб прогнозувати невдачу HDD: тренувати AI для цього.
Нова хірургія хребта допомагає паралізованим людям знову ходити
Новий тип хірургічного спинного імплантату, здається, дозволяє паралізованим пацієнтам ходити, велосипед, і знову підніматися по сходах лише в справу днів.
Magpies допомагають один одному видалити пристрої відстеження, перешкоди вченим
Магпі можуть бути більш альтруїстичними, ніж ми раніше надавали їм кредит.