头条新闻背后

MATLAB和Simu金宝applink背后的今天的新闻和趋势

一款独特的机器人在亚马逊机器人挑战赛中获得大奖

亚马逊正在改变我们所知的零售业,而这种改变建立在效率的基础上。有超过5000万件现在他们可以通过Prime计划享受2天免费送货服务,但压力很大。该公司一直在寻找方法来缩短从下订单到交付给客户的时间。

位于马萨诸塞州北雷丁的亚马逊机器人研究和生产工厂的机器人。图片来源:伊恩·麦克莱伦/西雅图时报。

对亚马逊来说,技术是实现这一目标的关键首次无人机交付今年早些时候,他们100000个机器人在他们的自动化执行中心。但事实证明,这个过程中有一部分很难实现自动化。

根据彭博该公司有一个机器人车队,它们在工厂周围为订单收集物品。但最后一步需要人力来完成——挑选各种形状的物品,然后将正确的物品装入正确的箱子中进行运输。这是一个经典的例子,对人类来说很简单,几乎不需要动脑,但对机器人来说仍然无法实现。”

亚马逊机器人挑战赛

作为解决这种“挑选和放置”挑战的一种方法,亚马逊机器人公司在过去三年里赞助了一场机器人比赛。每个参赛团队都必须设计一个机器人,能够识别物体,抓住它们,然后安全地将它们装入箱子中运输。

“亚马逊的自动化仓库成功地消除了在仓库中走动和搜索物品的大部分工作。然而,在非结构化环境中实现商业上可行的自动拣货仍然是一个艰巨的挑战……为了推动这些基础技术的进步,亚马逊机器人组织了亚马逊机器人挑战赛(ARC)。”

- - - - - -亚马逊的机器人

2017年的比赛比往年更具挑战性。今年,参赛机器人无法“预先编程”它们需要从中选择的所有项目。亚马逊机器人公司给了这些团队40件物品来训练他们的系统,然后在真正比赛前45分钟用新物品替换了其中的20件。为了配合难度的增加,亚马逊机器人公司将总奖金提高到25万美元。

这项任务需要基于计算机视觉的算法来识别物体并规划正确的抓取。彭博“他们现在使用神经网络,这是一种人工智能形式,帮助机器人学习识别物体,无需人工编程。”

参赛队伍必须教会机器人如何看到一堆物品,并在“购物清单”上正确地选择商品,把商品拿起来放进盒子里。这并不像听起来那么容易:拿起一个柔软的物品,比如泰迪熊,需要的握法与拿起一本书的握法大不相同。机器人还需要知道,如果泰迪熊被埋在收藏品中的其他物品下面,该怎么办。

2017年ARC冠军:澳大利亚机器人视觉中心

许多团队在比赛中使用了工业手臂机器人,在手臂上增加了抓手。这些团队教它们像人类一样拿起物品并打包。然而,澳大利亚机器人视觉中心(ACRV)凭借一个与以往冠军截然不同的机器人赢得了比赛。他们把机械臂换成了直角坐标机器人这看起来更像一个抓爪的街机游戏,而不是一个典型的工业手臂机器人。他们的机器人卡特曼(Cartman)使用吸盘和双指爪来抓取和操作这些物品。

彼得·科克,ACRV的主管,和卡特曼的团队。图片来源:QUT的Anthony Weate

卡特曼在最后一项挑战中获得第一名,这项挑战要求机器人首先将物品存放起来,然后将选定的物品挑选并装入盒子。ARCV团队由来自昆士兰科技大学(QUT)、阿德莱德大学和澳大利亚国立大学的工程师组成,他们赢得了8万美元的大奖。

除了最高分,卡特曼还是参加比赛的最便宜的机器人。它的最终成本不到2.4万美元,比大多数工业机器人便宜得多。它是由现成的产品制成的,甚至使用了工程师的建筑助手:拉链!下载188bet金宝搏

ACRV团队和卡特曼。图片来源:QUT的Anthony Weate

卡特曼用深度学习来识别物品

“我们尝试的第一种视觉感知方法是两阶段方法:无监督分割,然后使用深度特征进行分类,”ACRV的ARC博士后研究员Trung Thanh Pham说。

MATLAB而且MatConvNet被用来测试这个想法。MatConvNet是一个MATLAB工具箱,用于实现卷积神经网络(cnn)的计算机视觉应用。的图像处理工具箱也被用于I/O操作和可视化。

“我们最终的视觉系统使用了深度CNNRefineNetQUT的博士研究员道格拉斯·莫里森补充道。“我们的系统的主要优势之一是RefineNet能够用少量的训练数据提供准确的结果。我们的基础系统首先在混乱环境中对大约200张已知项目的图像进行训练(每张图像10-20个项目)。在比赛期间,我们的训练方法是在数据收集和训练时间之间进行权衡。我们发现,给每个新物品添加7张不同姿势的图像,就足以在保持足够训练时间的同时,始终识别出该物品。”

数据收集过程是自动化的,以减少所需的时间,每次将两个新项目放入一个空手提包,并使用背景减法自动生成一个新的标记图像数据集。该团队能够在大约5-7分钟内收集所有新数据,剩下的时间用于根据新数据微调网络。

卡特曼是唯一一个成功完成最后阶段的机器人

卡特曼在比赛的第二阶段确实遭遇了挫折。卡特曼在把一件物品从手提包里拿出来后掉到了第五位。但是系统整体检测错误并进行适当调整的能力帮助团队赢得了最后阶段的胜利。在整个比赛过程中,团队不断练习,并对系统进行了改进。

莫里森说:“我们添加的一个这样的功能是,卡特曼能够通过移动存储系统的各个部分来搜索他看不到的物品。”“这个功能最终对我们在决赛任务中获胜至关重要,因为最后一个物品被埋在储物箱的底部,上面的所有物品都必须被移动才能看到。结果,我们是唯一一个完成决赛任务的挑选阶段的团队,把所有“订购”的物品放进纸箱里。”

恭喜ACRV !

|
  • 打印
  • 发送电子邮件

评论

如欲留言,请点击在这里登录您的MathWorks帐户或创建一个新帐户。