연구원들은 로봇이 야채를 더 잘 자르는 데 도움이 되는 방법을 제안합니다

7월 11~12일 샌프란시스코에서 최고 경영진과 함께 리더들이 성공을 위해 AI 투자를 통합하고 최적화하는 방법을 들어보세요. 더 알아보기

인간이 쉽게 집을 수 있는 물체를 로봇이 조작하는 데 왜 때때로 어려움을 겪는지 궁금한 적이 있습니까? 조작 작업은 기계가 정책(예: 기술)을 학습하기 위해 기능 표현을 사용하기 전에 기능 표현으로 추상화되어야 하며 이러한 표현은 일반적으로 수동으로 사전 정의되어야 합니다. 예를 들어 변형 가능한 객체 또는 다양한 재료 속성과 관련된 복잡한 작업에서는 어려운 작업입니다. .

실행 가능한 대안은 로봇이 경험을 통해 자율적으로 표현을 획득할 수 있는 수단을 제공하는 딥 러닝 방법입니다. 이를 위해 Carnegie Mellon University의 연구자들은 사전 인쇄 논문("Learning Semantic Embedding Spaces for Slicing 야채s")에서 오이와 토마토를 자르는 작업에 초점을 맞춰 사전 작업 지식과 경험 기반 학습을 결합하여 표현을 획득하는 방법을 설명합니다. 조각으로.

연구원들은 "야채를 자르는 법을 배우는 것은 변형 가능한 물체를 다양한 모양으로 조작하고 조각 형태의 새로운 물체를 생성하는 것을 포함하기 때문에 복잡한 작업입니다."라고 썼습니다. "훈련 중에 의미 있는 보조 작업을 도입하면 모델이 상태 표현에서 절단되는 야채의 두께와 같은 유용한 사전 정보 및 속성을 인코딩하는 의미상 풍부한 임베딩 공간을 학습할 수 있습니다."

팀의 실험 설정은 두 개의 7-DOF Franka Emika Panda Research Arms와 장면에서 원시 픽셀 정보를 수집하는 측면 장착형 Intel RealSense 카메라로 구성됩니다. 오른팔('잡는 팔')은 손가락에 달린 집게를 사용하여 도마 위에서 자르는 야채를 집고, 놓고, 잡는 데 사용됩니다. 한편, 왼쪽 팔("절단 팔")은 다른 팔로 잡은 야채를 자르는 데 사용되는 칼로 3D 프린팅된 도구 홀더를 잡습니다.

트랜스폼 2023

7월 11~12일 샌프란시스코에서 최고 경영진이 성공을 위해 AI 투자를 통합하고 최적화하고 일반적인 함정을 피한 방법을 공유합니다.

야채를 다양한 두께의 조각으로 자르려면 로봇 팔이 여러 가지 다양한 절단 작업을 수행해야 합니다. 먼저 야채의 끝 부분을 감지하고 위로 이동하여 야채를 향해 일정 거리를 이동하여 슬라이스를 만들고 절단을 수행해야 합니다.

연구진은 로봇팔을 이용해 절단 동작을 수행하는 인간의 궤적 10개를 수집해 매개변수를 설정하고, 위에서 설명한 절단 순서를 주요 매개변수로 사용했다. 야채 슬라이스 데이터 세트를 생성하기 위해 그들은 각 시연이 시작될 때 잘라낼 슬라이스 수를 무작위로 샘플링하고 각 슬라이스의 슬라이스 두께를 기록했습니다.

다음으로 팀은 제안된 모델이 유용한 작업별 특성을 포착할 수 있도록 지원하는 새로운 임베딩 네트워크를 훈련했습니다. 그들은 "잘린 야채 조각의 두께를 예측하는 보조 작업을 도입함으로써 우리는 임베딩 네트워크가 야채를 자르는 작업에 중요한 객체 중심 속성을 모델화하도록 강제합니다"라고 썼습니다.

그렇다면 결국 이 접근 방식은 얼마나 효과적이었습니까? 실험에서 연구원들은 학습된 표현이 다양한 모양과 크기에 걸쳐 일반화될 수 있으며 조작을 위한 학습 모델을 위해 "풍부한 표현을 제공"한다는 증거를 보았다고 말합니다. "우리 [테스트]는 학습된 모델이 절단 슬라이스의 두께와 같은 중요한 속성에 대한 지속적인 이해를 학습한다는 것을 보여줍니다."라고 논문의 저자는 썼습니다.

VentureBeat의 사명 기술 의사결정자들이 혁신적인 기업 기술에 대한 지식을 얻고 거래할 수 있는 디지털 타운 스퀘어가 되는 것입니다. 브리핑을 살펴보세요.