Недавний праздничный бум позволил компаниям, занимающимся продажей товаров через Интернет, получить более высокие прибыли и расшириться. Чтобы быстро и качественно обрабатывать огромное количество заказов, такие организации как Amazon, Walmart и Alibaba инвестируют большие средства в работу своих складов. Многие компании также прибегают к услугам роботов, чтобы решить проблему нехватки сотрудников. Между тем пока на рынке нет подходящих устройств, способных справляться с большим ассортиментом товаров.
Однако наука не стоит на месте, и технологии постоянно развиваются. Так, исследователи из Калифорнийского университета в Беркли разработали новый алгоритм машинного обучения, способного научить роботов ловко захватывать и переносить предметы, отличающиеся по форме, размеру и текстуре.
"Ни одно [существующее сегодня] захватное устройство не может справиться со всеми возможными объектами", – объясняет ведущий автор исследования доктор Джефф Малер (Jeff Mahler) из Калифорнийского университета в Беркли.
Например, манипулятор с присоской не может "взять в руки" одежду, а захватные устройства с параллельными "тисками" не поднимут некоторые инструменты и игрушки, взяв их за две грани.
Это современная проблема, которую необходимо решать. Поясним, что современные роботизированные системы, использующиеся в большинстве пунктов обработки заказов, полагаются всего лишь на одно захватное устройство. Из-за этого они не способны справиться со всеми товарами, которые могут быть представлены в каталоге компании.
По этой причине американские специалисты предлагают использовать роботов, оснащённых разными типами захватных устройств. И новый алгоритм как раз подскажет таким роботам, каким манипулятором нужно воспользоваться в каждом конкретном случае.
Как сообщается в пресс-релизе работы, новый подход основан на "системе вознаграждения" для каждого типа захватного устройства. Она оценивает вероятность успеха каждого манипулятора в каждом отдельном случае. Всё это позволяет системе быстро решить, какой "рукой" необходимо воспользоваться, чтобы взять и перенести тот или иной предмет.
Специалисты отмечают, что первичный процесс обучения системы вознаграждения происходит во время тренировки на наборе данных.
Специалисты проверили эффективность алгоритма на двуруком роботе, оснащённом двумя различными манипуляторами. Оценивая качество захвата, система помогала ему выбрать, какое захватное устройство наилучшим образом удержит объект.
Результаты проверки показали, что робот отлично разобрал ящик с 25 ранее незнакомыми ему предметами. Точность захвата составила 95%, а скорость – более 300 объектов в час.
На складе, где собираются самые разные заказы для доставки, объекты могут очень сильно различаться.
"Нам нужно адаптировать разнообразные захватные устройства для самых разных предметов", – поясняет профессор Кен Гольдберг (Ken Goldberg).
Разработчики считают, что их технология особенно пригодится в центрах доставки различных электронных компаний, таких как Amazon, которые пользуются услугами роботов при сборе товаров. Разработка может помочь ускорить обработку товаров.
Результаты работы представлены в научном издании Science Robotics.
Напомним, что ранее авторы проекта "Вести.Наука" (nauka.vesti.ru) рассказывали о гидрогелевом захвате, который сможет поймать и не убить живое существо, и вакуумном роботе для домашних дел. Кроме того, мы писали о роботах, помогающих выпиливать и собирать детали мебели без помощи человека. Кроме того, учёные разработали аккуратного бота, быстро собирающего спелые огурцы.
