0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

Google的AI教会机器人学会了新的技能

独爱72H 来源:教育新闻网 作者:教育新闻网 2020-05-07 22:37 次阅读

(文章来源:教育新闻网)
谷歌和加州大学伯克利分校的研究人员在本周在预印本服务器Arxiv.org上发表的两篇论文中描述了新的AI机器学习技术,这些技术使机器人能够适应从未见过的任务并抓住被遮挡的物体。第一项研究详细介绍了X射线,该算法在部署到机器人上时可以搜索对象的堆以掌握目标对象,而第二项研究则提出了一种策略适应技术,可以“教”机器人技能,而无需从头开始进行模型训练。

抓机器人是一个非常困难的挑战。例如,机器人努力执行所谓的“机械搜索”,即当他们不得不从一堆其他对象中识别并拾取一个对象时。大多数机器人不是特别适应性强,并且缺乏足够功能强大的AI模型来指导机械手进行机械搜索。X射线和策略调整步骤可以构成产品包装系统的基础,该产品包装系统可以在无需人工监督的情况下发现,拾取和放下各种物体。

有关X射线的研究的合著者指出,由于缺乏合适的模型,机械搜索(在大量对象中找到对象)仍然具有挑战性。X射线结合了遮挡推断和假设预测来解决该问题,它可用来估计与对象最相似的边界框(对象周围矩形边框的坐标)的占用率分布,同时考虑各种平移和旋转。

X-Ray假定堆中至少有一个完全或部分被未知对象遮挡的目标对象,并且每个时间步最多可以抓取一个对象。以RGB图像和目标对象为输入,它可以预测场景的占用率分布和分割蒙版,并计算几种潜在的抓握动作,以最高的成功概率执行该动作。为了训练和验证X射线,研究人员生成了10,000个增强深度图像的语料库,这些图像标记有矩形框目标对象的对象占用分布。他们从Thingiverse上的1296个3D CAD模型的开放源数据集中进行采样,选择了10个大小相同,体积较小但厚度较小的盒子目标,因此它们更有可能被遮挡。这使他们总共获得了100,000张图像。

在这10,000张图片中,约有8,000张被保留用于培训,其余的则留作测试。使用一千个包含模拟对象(盖子,多米诺骨牌和长笛)的其他图像来评估X射线对看不见的形状,对象,长宽比和比例尺的概括。在涉及带有吸盘和平行颚式抓爪的真实ABB YuMi机器人的物理实验中,研究人员要求X射线将物体装满垃圾箱,然后将垃圾箱倾倒在目标物体的顶部。在最初包含25个对象的堆中,系统在20次试验中以5个动作的中位数提取了目标对象,成功率为100%。

合著者将精力放在未来的工作上,以提高X射线的训练效率,并分析数据集大小以及用于生成训练分布的平移和旋转次数的影响。他们还计划根据目标对象可见性的奖励来探索强化学习策略。

在这两篇论文的最新文章中,合著者试图开发一种能够不断适应新的现实环境,物体和条件的系统。与大多数机器人相反,后者仅需训练一次即可部署,而适应能力却很少。研究人员对机器学习模型进行了预训练,以在608,000次尝试抓取的语料库中抓取一系列对象,然后他们执行的任务是使用向其起始位置右移10厘米的抓手抓取对象。系统练习了一段时间(经过800次尝试)并将这些尝试记录到新数据集(目标数据集)中之后,新尝试在50%的时间内与原始数据集进行了混合,调整模型。

在五个不同的场景中重复了这些步骤-预训练,尝试新任务和微调。一方面,刺眼的光线阻碍了机器人的摄像头。在另一种情况下,棋盘图案的背景使模型难以识别对象。最后,实验人员让机器人抓住训练中看不到的透明瓶子(众所周知,透明物体很难抓住机器人,因为它们有时会混淆深度传感器),并捡拾坐在高反射金属板上的物体。

研究人员报告说,在实验中,该模型成功地在苛刻的灯光下63%的时间,透明瓶子的74%的时间,棋盘垫板的时间的86%的时间,抓手扩展的88%的时间成功地捕获了物体,和91%的时间使用偏置夹持器。而且,他们说,机器人适应新情况只需要花费1-4个小时的练习时间(相比之下,学习如何掌握的时间大约为6,000个小时),并且性能不会随着所适应的模型而降低。
(责任编辑:fqj)

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 谷歌
    +关注

    关注

    27

    文章

    6164

    浏览量

    105311
  • AI
    AI
    +关注

    关注

    87

    文章

    30762

    浏览量

    268905
收藏 人收藏

    评论

    相关推荐

    【「具身智能机器人系统」阅读体验】+初品的体验

    动态互动的。 该理论强调智能行为源于智能体的物理存在和行为能力,智能体必须具备感知环境并在其中执行任务的能力。具身智能的实现涵盖了机器学习、人工智能、机器人学、计算机视觉、自然语言处理及强化学习等领域
    发表于 12-20 19:17

    《具身智能机器人系统》第1-6章阅读心得之具身智能机器人系统背景知识与基础模块

    要给AI这个聪明的“头脑”装上一副“身体”。这个“身体”可以是一部手机,可以是一台自动驾驶汽车。而人形机器人则是集各类核心尖端技术于一体的载体,是具身智能的代表产品。与传统的软件智能体不同,具身智能
    发表于 12-19 22:26

    NVIDIA通过加速AWS上的机器人仿真推进物理AI的发展

    。 Field AI 正在构建使机器人能够自主管理各种工业流程的机器人大脑;Vention 创建了简化机器人任务开发工作的预训练技能;Cob
    的头像 发表于 12-09 11:50 287次阅读

    【书籍评测活动NO.51】具身智能机器人系统 | 了解AI的下一个浪潮!

    的。 这种理论强调,智能行为源于智能体的物理存在和行为能力,智能体必须具备感知环境并在其中执行任务的能力。 具身智能的实现涵盖了机器学习、人工智能、机器人学、计算机视觉、自然语言处理和强化学习等领域
    发表于 11-11 10:20

    NVIDIA发布全新AI和仿真工具以及工作流

    NVIDIA 在本周于德国慕尼黑举行的机器人学习大会(CoRL)上发布了全新 AI 和仿真工具以及工作流。机器人开发者可以使用这些工具和工作流,大大加快 AI
    的头像 发表于 11-09 11:52 264次阅读

    麻省理工学院推出新型机器人训练模型

    近日,据TechCrunch报道,麻省理工学院的研究团队展示了一种创新的机器人训练模型,该模型突破了传统模仿学习方法的局限,不再依赖标准数据集,而是借鉴了大型语言模型(LLM)如GPT-4等所使用的大规模信息处理方式,为机器人学习新技能开辟了全新的道路。
    的头像 发表于 11-04 14:56 487次阅读

    Google Cloud AI助力卫安智能推出机器人解决方案

    Google Cloud 基于神经网络的语音识别技术让卫安智能得以满足小语种地区用户对机器人交互的需求,为其节省约60%与第三方沟通协作的人力成本,并运用高性能的计算资源将产品的开发周期缩短了一半。
    的头像 发表于 10-16 11:11 552次阅读

    机器人的三大矩阵是什么及关系式

    机器人学中,三大矩阵主要指的是与机器人位移、速度和力相关的矩阵,它们分别揭示了机器人在不同空间(如关节空间和作业空间)之间的映射关系。这三大矩阵及其关系式可以概括如下: 1. T矩阵(变换矩阵
    的头像 发表于 09-04 09:37 1304次阅读

    “卷不动了”?OTA来救场!智能机器人“永葆青春”的秘诀

    的扫地机器人突然学会了拖地,是不是很酷?OTA就是让这种“逆天改命”成为可能的魔法! 1、智能机器人的发展趋势与OTA机遇 智能机器人3.0时代,用户需求日益多样化,模块化、定制化成为
    的头像 发表于 08-06 16:01 413次阅读
    “卷不动了”?OTA来救场!智能<b class='flag-5'>机器人</b>“永葆青春”的秘诀

    Al大模型机器人

    金航标kinghelm萨科微slkor总经理宋仕强介绍说,萨科微Al大模型机器人有哪些的优势?萨科微AI大模型机器人由清华大学毕业的天才少年N博士和王博士团队开发,与同行相比具有许多优势:语言
    发表于 07-05 08:52

    NVIDIA Isaac 机器人平台利用最新的生成式 AI 和先进的仿真技术,加速 AI 机器人技术的发展

    观众展示了用于人形机器人学习的通用基础模型 Project GR00T(代表通用机器人 00 技术)。Project GR00T 利用 NVIDIA Isaac 机器人平台的各种工具来创建用于人形
    的头像 发表于 06-04 18:00 7696次阅读
    NVIDIA Isaac <b class='flag-5'>机器人</b>平台利用最新的生成式 <b class='flag-5'>AI</b> 和先进的仿真技术,加速 <b class='flag-5'>AI</b> <b class='flag-5'>机器人</b>技术的发展

    使用NVIDIA Isaac Manipulator生成抓取姿势和机器人运动

    NVIDIA 宣布与 Intrinsic.ai 就工业机器人任务的基础技能模型学习展开合作。
    的头像 发表于 05-17 10:33 1256次阅读
    使用NVIDIA Isaac Manipulator生成抓取姿势和<b class='flag-5'>机器人</b>运动

    NVIDIA Isaac机器人平台升级,加速AI机器人技术革新

    NVIDIA Isaac机器人平台近期实现重大升级,通过引入最新的生成式AI技术和先进的仿真技术,显著加速了AI机器人技术的发展步伐。该平台正不断扩展其基础模型、
    的头像 发表于 03-27 10:36 672次阅读

    机器人学习中主流智能抓取方案

    RGB颜色空间由红绿蓝三种基本色组成,叠加成任意色彩,同样地,任意一种颜色也可以拆解为三种基本色的组合,机器人通过颜色坐标值来理解“颜色”。
    发表于 03-13 10:07 298次阅读
    <b class='flag-5'>机器人学</b>习中主流智能抓取方案

    谷歌AI聊天机器人改名为Gemini

    谷歌(Google)近日宣布,旗下备受瞩目的AI聊天机器人Bard正式更名为Gemini,并推出了一款功能更加强大的付费版本——Gemini Advanced。这一战略调整旨在与微软、OpenAI等科技巨头在
    的头像 发表于 02-18 11:28 1093次阅读