靈巧的自適應機器人，比人類還快的分揀速度和種類

靈巧的自適應機器人，比人類還快的分揀速度和種類

電子商務在最近的假日季節繼續擴大并達到新的水平。為了快速滿足大量訂單和各種訂單，亞馬遜，沃爾瑪和阿里巴巴等公司正在大力投資新倉庫。為解決工人短缺問題，許多公司正在考慮機器人。然而，可靠地掌握各種產品仍然是機器人技術的一大挑戰。

在1月16日星期三發表在科學機器人學的一篇論文中，加州大學伯克利分校的工程師提出了一種新穎的，“靈巧的”方法，可以在沒有訓練的情況下掌握各種各樣的物體形狀。

“任何一個抓手都無法處理所有物體，”加州大學伯克利分校的博士后研究員，該論文的第一作者杰夫馬勒說。“例如，吸盤不能在諸如衣服之類的多孔物體上產生密封，并且平行鉗口夾持器可能無法到達某些工具和玩具的兩側。”

Mahler在加州大學伯克利分校教授Ken Goldberg的實驗室工作，他在電氣工程和計算機科學系以及工業工程和運籌學系擔任聯合任命。

在大多數電子商務履行中心中使用的機器人系統依賴于抽吸夾具，其可以限制它們可以抓住的物體的范圍。加州大學伯克利分校的論文引入了一種“靈巧”的方法，與各種夾具類型兼容。該方法基于每種夾具類型的共同“獎勵功能”，其量化每個夾具成功的概率。這允許系統快速決定針對每種情況使用哪個夾具。為了有效地計算每種抓取器類型的獎勵函數，本文描述了通過使用結構化域隨機化和傳感器的分析模型以及每個抓取器的物理和幾何形狀快速生成的大型合成數據集的訓練來學習獎勵函數的過程。

當研究人員在雙臂機器人上訓練平行鉗夾持器和吸盤夾持器的獎勵功能時，他們發現他們的系統清理了多達25個以前看不見的物體，每小時超過300個拾取器，95%可靠性。

戈德伯格說：“當你在一個倉庫里放在一起交付包裹時，物品差異很大。” “我們需要各種各樣的夾具來處理各種物體。”