""

澳门太阳城网站-最新注册

  • 在编译小说omnipush数据集关键是构建模块化对象(如图)是使机器人系统来捕捉推动行为的一个巨大的多样性。中央片包含关于它们的中心和点标记,以便一个运动检测系统可检测一毫米内的位置。

    在编译小说omnipush数据集关键是构建模块化对象(如图)是使机器人系统来捕捉推动行为的一个巨大的多样性。中央片包含关于它们的中心和点标记,以便一个运动检测系统可检测一毫米内的位置。

    研究人员礼貌形象

    全屏

爱出风头的机器人学习对象操作的基本知识

在编译小说omnipush数据集关键是构建模块化对象(如图)是使机器人系统来捕捉推动行为的一个巨大的多样性。中央片包含关于它们的中心和点标记,以便一个运动检测系统可检测一毫米内的位置。

从捕捉怎么推对象移动,以改善与新对象的物理相互作用小说集系统“学习”。


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
澳门太阳城最新网站新闻办公室

澳门太阳城最新网站的研究已编制捕获机器人系统物理推数百个不同的对象的行为细节的数据集。使用数据Set - 最大和最多样化的同类 - 研究人员可以训练机器人“学习”推说是许多复杂对象的操作任务,包括重新调整和检查对象,uncluttering场景基本动力。

捕获数据,研究人员设计由工业机器人臂与精确的控制,一个三维运动跟踪系统,深度和传统相机,并且一起缝合一切软件的自动化系统。该臂推动周围可为重量,形状,和质量分布进行调整模块化对象。每个推,系统捕捉这些特性如何影响机器人的推动。

该数据集,名为“omnipush”,包含250名的对象250个不同的推,共计约62,500独特的推动。它已经正在使用的研究人员,例如,建立模型,帮助机器人预测哪里时,他们推的对象将土地。

“我们需要大量丰富的数据,以确保我们的机器人可以学习,”玛丽亚bauza,机械工程(阡昱山)和论文的第一作者系的研究生描述所omnipush那就是BEING在即将举行的国际会议上提出的说智能机器人和系统。 “在这里,我们从一个真实的机器人系统收集数据,[和]的对象是足够多样捕捉的推现象的丰富性。这是很重要的,以帮助机器人了解如何推动工作,并把这些信息在现实世界中其他类似的转换对象“。

在纸张上加入bauza是:弗兰ALET和日圆陈琳,研究生在计算机科学和人工智能实验室和电气工程和计算机科学(EECS)部门;托马斯·洛萨诺 - 佩雷斯,教学优秀的工程教授的学校;莱斯利页。 kaelbling,计算机科学与工程教授松下;菲利普·伊索拉,在EECS助理教授;和Alberto罗德里格斯,在阡昱山副教授。

多样化的数据

为什么专注于推动行为?造型推动力学涉及物体和表面之间的摩擦,罗德里格斯解释说,是更高层次的机器人任务至关重要。考虑到视觉上和技术上令人印象深刻的机器人,可以玩积木,其中罗德里格斯最近联合设计。 “机器人正在执行一项复杂的任务,但力学驱动该任务的核心仍是推动受的对象,实例,块之间的摩擦,”罗德里格斯说。

omn​​ipush建立在由罗德里格斯,bauza,而且捕获在仅10个对象数据推其他研究人员建于操纵和机制实验室(mcube)相似的数据集。使得数据集大众在2016年后,他们收集了来自研究人员的反馈。一个抱怨是没有对象的多样性:训练有素的数据集上的机器人努力推广信息的新对象。另外,也没有视频,这是计算机视觉,视频预测,以及其他重要任务。

为他们的新的数据集,研究人员利用的工业机器人臂与所述速度的精确控制和推动器的位置,基本上垂直钢杆。当臂推压的对象,一个“威康”运动跟踪系统 - 已经在电影,虚拟现实被使用,以及用于研究 - 如下的对象。还有还有一个RGB-d摄像头,这增加了深度信息来捕捉的视频。

关键是构建模块化对象。均匀中心件,由铝制成的,看起来像四角星,重约100克。各个中心件包含其中心的点标记,所以威康系统可以在毫米范围内检测其姿态。

较小的块在四种形状 - 凹,三角形,矩形,圆形和 - 可以磁性附接至该中央部件的任一侧。 31至94克的每片的重量,但额外的重量,60至150克,可以被放入在片小的孔。拼图状物体的所有部分在水平和垂直对齐,这有助于模拟摩擦具有相同的形状和质量分布的单个对象将具有。不同侧,重量和质量分布的所有组合中加入最多250个唯一对象。

每个推,臂自动地移动到从物体的随机位置几厘米。然后,它选择随机的方向和推动对象一秒钟。从停止的地方开始,它随后选择另一个随机方向并重复该过程250次。每个推记录对象和RGB-D视频,其可用于各种视频预测目的的姿态。每天收集数据用了12小时,两周,总金额超过150小时。手动重新配置对象时只需要人的干预。

对象不明确模仿任何现实生活中的物品。相反,他们旨在捕捉“运动”和“质量asymetries”预期真实世界的物体的多样性,其真实世界的物体的运动的物理模型。机器人则可以推断,比如说,与质量分布不均匀任何真实世界的物体相似不均匀的重量分布的omnipush对象的物理模型。

“想象一下推桌子有四条腿,其中大部分重量超过一条腿。当你把桌子上,你看到它的重腿旋转,必须重新调整。理解是质量分布,其在推的结果的影响,是值得机器人可以用这组对象的学习,”罗德里格斯说。

供电新的研究

在一个实验中,研究人员使用omnipush来训练模型来预测推对象的,最终姿势只给出初始姿势和推的描述。他们上训练150个omnipush对象模型,并测试其上的对象的一个​​保持出部分。结果表明,omnipush训练模式的两倍,培训了几个类似的数据集模型的准确。在他们的论文中,研究人员还记录了基准的精度,其他研究人员可以使用比较。 

因为omnipush捕获推的视频,一个潜在的应用是视频的预测。一个合作者,例如,现在使用的数据集来训练机器人基本上“想象”两点之间推对象。上omnipush训练之后,机器人被给定为输入的两个视频帧,示出了其开始位置的对象和结束位置。使用的起始位置,机器人预测未来所有的视频帧,以确保目标达到其终止位置。然后,它推动在每个预测的视频帧相匹配的方式物体,直到它到达与结束位置的帧。

“机器人在问,‘如果我做这个动作时,对象,其中将在此框架?’然后,它会选择最大化获取物体就是了位置的可能性的行动,” bauza说。 “它决定如何将首先想像的对象图像中的像素将如何推后更改。”

“omnipush包括对象运动的精确测量,以及视觉数据,一类重要的机器人和物体在世界之间的相互作用,”马修吨说。石匠,计算机科学教授和机器人在卡内基梅隆大学。 “机器人技术研究人员可以利用这些数据来开发和测试新的机器人学习方法......这将推动机器人操作的不断进步。”


主题: 研究, 计算机科学与技术, 算法, 机器人, 机器人, 数据, 机器学习, 计算机科学和人工智能实验室(CSAIL), 机械工业, Electrical Engineering & Computer Science (eecs), 工程学院

回到顶部