ग्रिप चुनने की क्षमता दो-सशस्त्र रोबोटों को पहले से कहीं ज्यादा तेजी से वस्तुओं को उठाने में मदद करती है।
कई वर्षों से हम
डेक्स-नेट परियोजना की प्रगति का अनुसरण कर रहे हैं, जो रोबोटों के लिए एक सार्वभौमिक पकड़ विकसित करने की कोशिश कर रहा है, और जनवरी के मध्य में साइंस रोबोटिक्स नामक पत्रिका में एक नया काम प्रकाशित हुआ, जिसमें बर्कले डेक्स-नेट 4.0 में कैलिफोर्निया विश्वविद्यालय के वैज्ञानिक शामिल हैं। इस काम से संबंधित सबसे महत्वपूर्ण और दिलचस्प खबर यह है कि डेक्स-नेट का नवीनतम संस्करण 300 अज्ञात प्रति घंटे की गति से पहले की अज्ञात वस्तुओं के 95% को पकड़ने में सफल रहा, धन्यवाद एंबीडेक्सट्री रोबोट के लिए, जो इसे एक का चयन करने की अनुमति देता है। दो प्रकार के कैप्चर।
तुलना करने में सक्षम होने के लिए, मान लें कि कोई व्यक्ति 400 से 600 टुकड़ों प्रति घंटे की गति से ऐसी वस्तुओं को दो बार उठाने में सक्षम है। और मैं कहूंगा कि किसी व्यक्ति के मामले में, कोई व्यक्ति कैप्चर की 100% सफलता की उम्मीद कर सकता है - या कम से कम इस आंकड़े के लिए एक अच्छा सन्निकटन, यदि विषय को प्रत्येक ऑब्जेक्ट के साथ कई प्रयासों की अनुमति दी जाती है। इसलिए हमने कारों के लिए एक बहुत ही उच्च बार निर्धारित किया है। वस्तुओं को कैप्चर करने में हमारी सफलता का एक हिस्सा (और एक संपूर्ण के रूप में समझने की हमारी क्षमता) विभिन्न आकारों, आकारों, भारों के साथ विभिन्न सामग्रियों के घर्षण और कैप्चर के दौरान वस्तुओं के संभावित विरूपण के साथ काम करने में हमारा शानदार अनुभव है। इसे साकार करने के बिना, हम सिर में वस्तुओं के विस्तृत मॉडल बनाने में सक्षम हैं, और वे हमें अनदेखी वस्तुओं को आसानी से पकड़ने और बढ़ाने में मदद करते हैं।
लेकिन दुनिया के इस प्रायोगिक मॉडल तक रोबोट की पहुंच नहीं है। वे एक विशिष्ट कार्य के आधार पर प्रशिक्षण पर भरोसा करते हैं - और यहां डेक्स-नेट खेलने में आता है। वह चीजों को पकड़ना सीखती है, सिमुलेशन में प्रशिक्षण, तीन-आयामी वस्तुओं के लाखों मॉडल और वास्तविक दुनिया में बेहतर अनुकार सफलताओं को स्थानांतरित करने के लिए थोड़ा यादृच्छिक भौतिकी। कृत्रिम अनिश्चितता से सिस्टम को सेंसर शोर और छोटे क्रमिक अंशांकन बदलाव जैसी चीजों के साथ काम करने की अनुमति मिलती है - बेशक, वास्तविक रोबोटों को प्रशिक्षित करके अधिक यथार्थवादी परिणाम प्राप्त किए जा सकते हैं, लेकिन फिर कई वास्तविक रोबोटों की आवश्यकता के रूप में ऐसी सीमाएं लागू होंगी और उन्हें दे देंगी। काम करने का समय - और कौन उनके लिए इंतजार करना चाहता है?
डेक्स-नेट 4.0 की विशिष्टता इस तथ्य में निहित है कि वस्तुओं को कैप्चर करने के लिए इसे विकसित करने वाले नियम "अस्पष्ट" हैं, अर्थात, रोबोट के पास दो कैप्चर हैं, और यह तय करता है कि वर्तमान में किसका उपयोग किया जाना है। हालांकि, एंबीडेक्स्ट्राल लोगों के विपरीत, इस रोबोट के हाथों पर अलग-अलग पकड़ है: एक दो-उंगली क्लैंप और एक वैक्यूम सक्शन कप। कैप्चर की गुणवत्ता के प्रारंभिक मूल्यांकन के आधार पर, डेक्स-नेट चयन करता है कि कौन सा कैप्चर ऑब्जेक्ट पर अधिक मज़बूती से कब्जा कर सकता है। यह तकनीक वस्तुओं को जल्दी और मज़बूती से पकड़ना संभव बनाती है: ऊपर दिए गए वीडियो में एबीबी यूएमआई 95% की दक्षता के साथ प्रति घंटे लगभग 300 पहले अनदेखी वस्तुओं को पकड़ सकता है। और डेक्स-नेट आपको अन्य प्रकार के कैप्चर को कनेक्ट करने की अनुमति देता है। अतिरिक्त प्रशिक्षण के बाद (और रोबोट में कैप्चर जोड़ने के बाद, आप इसे इलेक्ट्रोस्टैटिक ग्रिप्स, पांच-उंगलियों वाले हाथों, गेको-जैसे ग्रिप्स या कुछ और के साथ काम करना सिखा सकते हैं।
बेशक, उन 5% मामलों का अध्ययन करना हमेशा दिलचस्प होता है जब रोबोट आइटम लेने में विफल रहा, और यहां कुछ उदाहरण हैं:
पहली तस्वीर "समस्याग्रस्त" वस्तुओं को दिखाती है, जिन्हें "समस्याग्रस्त ज्यामिति, पारदर्शिता, दर्पण की सतह और विकृति" के कारण उठाना विशेष रूप से कठिन है। डेक्स-नेट केवल 63% मामलों में ऐसी वस्तुओं को संभालता है, हालांकि यदि आप सिस्टम को पिछली विफलताओं को याद रखने और विषय को थोड़ा स्थानांतरित करने की अनुमति देते हैं, अगर यह स्पष्ट नहीं है कि इसे कैसे पकड़ा जाए, तो विश्वसनीयता 80% तक बढ़ जाती है।
दूसरी तस्वीर ऐसी वस्तुओं को दिखाती है जो डेक्स-नेट 4.0 के साथ बिल्कुल भी सामना नहीं करती है, "पारदर्शी गुणों के कारण, जैसे कि पारदर्शिता, जो गहराई की धारणा को प्रभावित करती है, और भौतिक गुण, जैसे कि पोरसिटी और डक्टिलिटी (उदाहरण के लिए, ढीली पैकेजिंग), जो सक्शन कप के साथ सतह से चिपके रहने की क्षमता को प्रभावित करता है। " यह ध्यान देने योग्य है कि दो-उंगली की पकड़ में कोई बल सेंसर या स्पर्श सेंसर नहीं है, इसलिए सिस्टम में सुधार करने के लिए अभी भी कुछ है।
आप उन मामलों पर भी विचार कर सकते हैं जिनमें एक दक्षता जो 100% तक नहीं पहुंचती है, स्वीकार्य होगी। कब्रों के साथ विफलताओं को संभालने के कई यथार्थवादी तरीके हैं: आप रोबोट को टोकरी से सभी चीजों को इकट्ठा करने का निर्देश दे सकते हैं, और शेष को एक व्यक्ति को भेज सकते हैं जो जटिल वस्तुओं को संभालेंगे। या, शायद, कुछ बिंदु पर यह वस्तुओं की पैकेजिंग को बदलने के लिए समझ में आएगा ताकि उन वस्तुओं को चुनना आसान हो जाए जो विशेष रूप से रोबोट कैप्चर के लिए कठिन हैं। किसी भी मामले में, यह "कब" के बजाय "कब," का अधिक सवाल है और आपूर्ति श्रृंखला के स्वचालन को बढ़ाने के लिए कितना आकर्षक है, यह बहुत "जब" बहुत जल्द आने की संभावना है।