不正なピッキングロボットが機械学習を高速化

ビデオ: 不正なピッキングロボットが機械学習を高速化

ビデオ: 【2018年度未踏/No.17】機械学習を用いたロボット制御のための汎用システムの開発 2022, 12月
不正なピッキングロボットが機械学習を高速化
不正なピッキングロボットが機械学習を高速化
Anonim
Image
Image

カーネギーメロン大学とグーグルの研究者は、ロボットを教えるための新しいアプローチを提示しました。このアプローチの枠組みの中で、主要なタスクを学習するロボットが使用されるだけでなく、それを妨害する敵も使用されます。これにより、ロボットは改善を余儀なくされます。この作業はICRA2017会議で発表され、arXiv.orgWebサイトで入手できます。IEEESpectrumWebサイトはそれについて簡単に説明しています。

最近、機械学習はロボットに何かをするように教えるためによく使用されます。 Googleのエンジニアと研究者は、ロボットアームを使用してオブジェクトやその他のさまざまなアクションをキャプチャするロボットを数年間教えてきました。たとえば、2016年には、ニューラルネットワークを使用してオブジェクトをキャプチャするときにロボットの動きを修正するように教え、同じ年の後半には、ドアを開ける同様のシステムを教えました。 2番目の作業では、複数のロボットが使用され、同時に同様のタスクを実行し、その実行に関するデータをサーバーに送信しました。これにより、ニューラルネットワークが徐々に改善されました。したがって、経験の並行蓄積により、ロボットは数倍速く学習しました。

新しい作業では、研究チームは別のアプローチを試すことにしました。彼らは、物体を拾うだけでなく、ロボットがそれをどれだけしっかりと保持しているかをチェックすることによって、グリップの成功を評価しました。これを行うために、研究者はシステムに2つの新しいアクションを追加しました。最初に、一見成功したグリップの後、ロボットはオブジェクトを振って、それがどれほど安全であるかを確認しました。しかし、主な変更点は、ライバルがシステムに追加されたことです。ロボットは2つのマニピュレーターで構成され、そのうちの1つは家電製品やおもちゃなどのさまざまな物体をつかむ作業に従事していました。エンジニアは、最初の手からオブジェクトをつかもうとしている相手を秒針にすることにしました。さらに、メインの握る手と同様に、ライバルの手も自己学習神経ネットワークに接続されていました。

Image
Image

反対側の手の動作の例

反対側の手が物体をつかんでいるものから遠ざけると、両方のシステムが経験を積みました。一方はポジティブで、もう一方はネガティブでした。このようにして、研究者はロボットで盾と剣の間の古典的な戦いを再現し、最終的に両方のシステムの有効性を大幅に向上させました。ライバル関係で学習した後、成功したグリップの割合は、68%に対して82%に増加しました。ライバルなしで成功したグリップ。

機械学習の他の開発もICRA2017会議で発表されました。たとえば、マサチューセッツ工科大学の研究者は、異なる設計のロボット間でスキルを伝達できるシステムを開発しました。

トピックによって人気があります

人気の投稿