광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[선반정리 로봇] 로봇공학연구원, 선반에 있는 품목을 찾아 안전하게 옮기는 AI 제안. Google과 University of California, Berkeley(UC Berkeley) 의 한 쌍의 새로운 로봇공학연구는 선반에서 가려진 물체를 찾고 테이블을 가로질러 물체를 움직이는 것과 같은 "접촉이 많은" 조작 작업을 해결하는 방법을 제안한다.

박민제 | 기사입력 2022/06/23 [10:05]

[선반정리 로봇] 로봇공학연구원, 선반에 있는 품목을 찾아 안전하게 옮기는 AI 제안. Google과 University of California, Berkeley(UC Berkeley) 의 한 쌍의 새로운 로봇공학연구는 선반에서 가려진 물체를 찾고 테이블을 가로질러 물체를 움직이는 것과 같은 "접촉이 많은" 조작 작업을 해결하는 방법을 제안한다.

박민제 | 입력 : 2022/06/23 [10:05]

 

로봇공학연구원, 선반에 있는 품목을 찾아 안전하게 옮기는 AI 제안

 

 

Google과 University of California, Berkeley(UC Berkeley) 의 한 쌍의 새로운 로봇공학연구는 선반에서 가려진 물체를 찾고 테이블을 가로질러 물체를 움직이는 것과 같은 "접촉이 많은" 조작 작업을 해결하는 방법을 제안한다. UC Berkeley 연구에서는 대상 물체의 일부만 보이는 경우에도 대상 물체의 위치를 ​​예측하는 시스템인 LAX-RAY( Lateral Access MAXIMal Reduction of occupancy support Area)를 도입했다. Google 공동 저술 논문의 경우 물리적 사물의 역학 속성을 사용하기 쉬운 프레임워크에 포함하는 것을 목표로 하는 COCOI(Contact-aware Online Context Inference)를 제안한다.

연구원들은 꽤 오랫동안 어수선한 물건을 찾는 로봇 문제를 탐구했지만 선반, 캐비닛 및 벽장과 같은 설정은 광범위한 적용 가능성에도 불구하고 덜 연구된 영역이다. (예를 들어, 약국의 서비스 로봇은 의료 캐비닛에서 공급품을 찾아야 할 수도 있습니다.) 접촉이 많은 조작 문제는 물리적 세계에서 도처에 존재하지만 인간은 다양한 모양과 속성의 물체를 조작하는 능력을 개발했다. 복잡한 환경에서 로봇은 고차원 인식과 물리학을 이해하는 데 내재된 문제 때문에 이 기능이 부족하다.

 

대학의 AUTOLab 부서에서 일하는 UC Berkeley 연구원들은 "측면 접근 환경"(즉, 선반)에서 가려진 대상 물체를 찾는 문제에 집중했다. 그들의 LAX-RAY 시스템은 "Uniform", "DAR(Distribution Area Reduction)", 그리고 가려진 대상 물체를 드러내기 위한 작업을 계산하는 "DER-n(distribution Area Reduction over 'n' steps)"이라는 세 가지 측면 접근 기계적 검색 정책으로 구성됩니다. 선반에 저장된다. 

이러한 정책의 성능을 테스트하기 위해 공동 저자는 FOSS(First Order Shelf Simulator)라는 개방형 프레임워크를 활용하여 다양한 난이도의 800개의 임의 선반 환경을 생성했다. 그런 다음 LAX-RAY를 Fetch 로봇과 깊이 감지 카메라가 내장된 물리적 선반에 배치했다.

관련 뉴스   웹을 검색할 수 있는 언어 모델은 약속을 지키지만 우려를 불러일으키기도 한다.

 

연구원들은 DAR 및 DER-n 정책이 Uniform 정책에 비해 강력한 성능을 보였다고 말한다. 시뮬레이션에서 LAX-RAY는 87.3%의 정확도를 달성했으며, 이는 실제 로봇에 적용했을 때 약 80%의 정확도로 변환되었다. 향후 연구에서 연구원들은 보다 정교한 깊이 모델과 측면 푸시를 위한 공간을 만들기 위해 카메라와 평행한 푸시 사용을 조사할 계획이다.


그들은 또한 붐비는 선반에서 막힌 물건 을 들어 올리고 제거하기 위해 공압으로 작동되는 흡입 컵을 사용하여 당기는 동작을 설계하기를 희망한다.

Alphabet's X, Stanford 및 UC Berkeley의 연구원들의 기여를 받은 Google 작업에서 공동 저자는 다중 모드 데이터를 사용하고 접촉이 풍부한 역학을 포착하기 위해 "심층 대표 구조"를 사용하는 심층 강화 학습 방법을 설계했다. COCOI는 로봇에 장착된 터치 센서의 비디오 영상과 판독값을 활용하여 역학 정보를 표현으로 인코딩한다. 이를 통해 강화 학습 알고리즘이 어려운 환경에서 견고성을 향상시키는 "역학 인식"으로 계획할 수 있다.

 

연구원들은 시뮬레이션 로봇과 실제 로봇이 물체를 넘어뜨리는 것을 피하면서 목표 위치로 물체를 밀도록 함으로써 COCOI를 벤치마킹했다. 이것은 말처럼 쉬운 일이 아니다. 주요 정보는 3각적 관점에서 쉽게 추출할 수 없었고 작업 역학 속성은 원시 센서 정보에서 직접 관찰할 수 없다. 또한, 정책은 다른 모양, 모양, 질량 및 마찰 속성을 가진 개체에 대해 효과적이어야 했다.

관련 뉴스   흑인 기술 조직, 인종 정의 요구 속에서 성장

AI 로봇

연구원들은 COCOI가 "광범위한 설정" 및 역학 특성에서 기준선을 능가했다고 말한다. 결국, 그들은 천 조각과 같이 딱딱하지 않은 물체를 밀기 위해 접근 방식을 확장할 계획이다.

 

더 많은 업데이트를 보려면 아래 링크를 확인하고 News AKMI 로 최신 정보를 받을 수 있다.

소스 Link

 

 
[세계미래보고서]시리즈, 판매제품
1/6
광고
광고
광고
광고
광고
많이 본 기사
신기술/산업, ESG, 미래교육 많이 본 기사
최신기사