Berkeley Labin tutkijat ovat tuoneet neuroverkot ABB:n Yumi-robotin avuksi. Ratkaisun avulla voidaan poimia ja siirtää epämääräisesti sijoitettuja kohteita 99 prosentin onnistumisprosentilla. Ihmisille helppo tehtävä on ollut hankala toteuttaa roboteille.

Berkeley Labsin DexNet 2,0:ksi nimetty robotti saavutti tarkan kätevyytensä syväoppimisella. Tutkijat kokosivat laajan tietokannan kolmiulotteisia muotoja – yhteensä 6,7 miljoonaa datapistettä – jota neuroverkko käytti oppimaan poimia ja siirtää epäsäännöllisen muotoisia esineitä.

Neuroverkko on yhdistetty 3D-anturointiin ja robotin käsivarteen. Kun objekti on sijoitettu DexNet 2,0:n eteen se nopeasti tutkii muodon ja valitsee tarttumiskohdan jolla onnistuneesti poimia ja liikuttaa kohdetta 99 prosenttia ajasta.

Kahdeksan vuotta sitten MIT:ssä julkistettiin anturitekniikka, jossa käytetään fyysistä kosketusta saada aikaan yksityiskohtainen 3D-kartta kohteen pinnasta.Nyt näitä GelSight-antureita käyttäen kaksi MIT:n tutkijaryhmää on antanut roboteille suuremman herkkyyden ja kätevyyden.

GelSight-anturi on tutkijoiden mukaan tietyllä tapaa vaatimattoman teknologian ratkaisu vaikeaan ongelmaan. GelSight-anturi selvittää geelipalan yhden maalatun pinnan kosketuksen sekä vastapuolen värivalojen ja kameran avulla kohteen 3D-muotoja.

LISÄÄ: Nanobitteja.fi (LINKKI), tutkijoiden tiedote (LINKKI), uutinen (LINKKI) ja artikkeli MIT:n Technology Review -lehdessä (LINKKI) sekä video robotin toiminnasta(LINKKI)

Kuva: Berkeley Labs

Uusimmat teknologiauutiset kätevästi uutiskirjeessä – kerran viikossa (LINKKI).

LUE – UUTTA  – LUE – UUTTA – LUE – UUTTA

Uusi ammattilehti huipputekniikan kehittäjille – Lue ilmaiseksi!

https://issuu.com/uusiteknologia.fi/docs/1_2017