Penyelidikan Robot Tencent Mengutamakan Isu! Ia boleh membantu pengaturcara memasang monitor dan bekerjasama seperti orang sebenar

Terobosan baharu dalam robot domestik:

Dua lengan robot bebas sudah boleh bekerjasama dengan lancar!

Kalau tak percaya tengok niPusing penutup botol dengan kedua-dua belah tangan:

Setelah memulas, angkat cawan dan tuangkan air:

seorang yang sebenar. Kini, anda juga boleh menghulurkan bantuan untuk membantu pengaturcara

memasang paparan

:

Malah mengambil

kotak besar dari "rakan sekerja"

:

:

boleh jadi berkata bahawa setiap orang Objek dengan pelbagai sifat geometri dan fizikal boleh dipegang dengan stabil.

(Apa lagi yang boleh saya lakukan selepas ini, saya tidak berani memikirkannya)

Ini adalah pencapaian terbaru Tencent Robotics Ia telah diterbitkan dalam jurnal teratas dalam bidang robotik"Transaksi IEEE mengenai Robotik".

Oleh kerana ia adalah kerja,

Anti-gangguankeupayaan mestilah:

Oleh kerana ia berfungsi dengan kedua-dua tangan, kedua-dua lengan tidak boleh "dikacau" bersama: "Ini tidak dapat dikenalpasti"

" di bawah "operasi flip 360°" menunjukkan keupayaan

"lengan untuk mengelakkan perlanggaran diri" sepenuhnya autonomi

.

Akhirnya, jika sekali-sekala bertemu dengan manusia nakal, ia boleh dengan mudah mendapatkannya,

pengiktirafan niat lengkap dan interaksi dinamik

: (Beri saya, lupakan saya, hey )

Butiran teknikal khusus didedahkan~

Realisasi sejagat sistem dwi-lengan humanoid

Robot humanoid sejagat sudah pasti merupakan tempat liputan penyelidikan di persimpangan robot dan AI dalam beberapa tahun kebelakangan ini.

Antaranya,

sistem dua lengan manusia

secara langsung membawa keupayaan pelaksanaan tugasan operasi robot jenis ini.

Keupayaan untuk merebut dan memanipulasi mana-mana objek dengan pelbagai sifat geometri dan fizikal secara sewenang-wenangnya adalah penjelmaan teknikal generalisasi sistem jenis ini.

Kebanyakan kerja penyelidikan sedia ada tertumpu pada penyelesaian masalah pada tahap tertentu, seperti persepsi objek persekitaran, penaakulan dan penjanaan strategi, perancangan atau kawalan operasi sistem robot.

Dan penyelesaian biasanya sangat berkaitan dengan objek atau tugas yang dikendalikan khusus, menjadikannya sukar untuk dipindahkan dan digeneralisasikan.

Tencent Robotik

Pertama sekali, bagaimana untuk mencapai genggaman optimum objek yang tidak diketahui dengan dua tangan berdasarkan persepsi visual.

Kedua, cara memastikan keselamatan sistem robot dwi-lengan dengan ruang kerja yang sangat bertindih semasa kerjasama dinamik.

Akhir sekali, cara memindahkan kemahiran manusia yang kaya kepada sistem robotik yang hanya mempunyai jenis antara muka penjejakan yang terhad.

Di sini, pemodelan Tencent Robotics Probabilistic membolehkan penggenggaman kolaboratif optimum bagi objek tidak dimodelkan. .

Pada masa yang sama, ia mencapai pengelakan perlanggaran sendiri berketepatan tinggi bagi kedua-dua lengan dan pengesanan ellipsoid operasi dwi-lengan yang sangat realistik, memastikan keselamatan intrinsik sistem dwi-lengan dan membuka antara muka pengesanan ellipsoid operasi.

Selain itu, penyelidikan ini juga secara sistematik menyelesaikan cengkaman optimum koperasi dwi-lengan terhadap objek yang tidak diketahui berdasarkan persepsi visual untuk kali pertama, mencapai keselamatan intrinsik robot dua lengan dengan ruang kerja yang sangat bertindih dan membuka lengan dwi yang boleh digunakan untuk pembelajaran pemindahan kemahiran manusia-mesin antara muka penjejakan ellipsoid.

Akhirnya, sistem ini menyediakan antara muka yang kaya dari segi lapisan persepsi, genggaman dua tangan, perancangan operasi kolaboratif dan kawalan asas, serta mempunyai kepelbagaian, kebolehskalaan dan keserasian yang tinggi.

Butiran teknikal adalah seperti berikut:

Sub rangka kerja penderiaan boleh capai yang canggih

Berkisar di sekitar sub rangka kerja penderiaan boleh capai pintar, untuk mencapai cengkaman kolaboratif dwi-lengan bagi objek yang tidak diketahui, adalah perlu untuk menjana optimum pintar boleh laku secara bebas menggenggam sistem dwi-lengan Dapatkan yang betul.

Para penyelidik bermula dari tiga peringkat: penjanaan set data, memahami rangkaian penilaian kualiti dan pemodelan kebarangkalian kebolehcapaian robot dwi-lengan, dan secara sistematik mereka bentuk subrangka kerja penderiaan dwi-lengan penderiaan yang boleh dicapai dengan cekap untuk mencapai persepsi sistem visual Akhir-ke -pemetaan akhir antara awan titik 3D objek yang diperoleh kepada pasangan pose genggaman 6D dua lengan yang optimum.

1. Set data penderiaan ketangkasan dwi-lengan

Untuk mewujudkan hubungan pemetaan yang tepat antara awan titik input dan kualiti genggaman dwi-lengan serta melatih rangkaian penilaian genggaman dengan berkesan, para penyelidik dicadangkan set data sintetik pegang tangan dua lengan berskala besar pertama dalam industri (Set Data DA2).

Set data ini mengandungi Mesh daripada 6327 objek dan lebih daripada 9 juta kumpulan pasangan genggaman Setiap kumpulan genggaman ditanda menggunakan tiga penunjuk: ketunggalan genggaman - kestabilan genggaman - keserasian daya genggam. . sebagai Kualiti pasangan pegangan calon ini dinilai dalam talian dalam masa nyata dan penyelesaian yang optimum ialah output.

Para penyelidik mereka bentuk Dual-PointNetGPD, rangkaian penilaian kualiti untuk genggaman kerjasama dwi-lengan, dan menggunakan set data DA2 untuk latihan.

Berbanding dengan kaedah analisis tradisional berdasarkan model daya sentuh yang dipermudah dan bergantung pada ciri geometri objek yang tepat, Dual-PointNetGPD berasaskan pembelajaran boleh secara langsung memproses awan titik 3D yang bising dan meningkatkan ketangkasan konfigurasi genggaman dua lengan calon dan penilaian kebolehpercayaan.

Dengan itu lebih mantap kepada bunyi persepsi visual yang meluas.

3. Pemodelan kebolehcapaian dwi-lengan dan peruntukan genggaman yang optimum

Dual-PointNetGPD mengeluarkan struktur penilaian kualiti pasangan genggaman dari perspektif persepsi visual Untuk sistem robot dwi-lengan tertentu, ia juga perlu diperolehi daripada ontologi robot Perspektif mempertimbangkan masalah kebolehcapaian pasangan menggenggam calon dalam ruang operasi robot dan masalah peruntukan pasangan menggenggam antara lengan.

Para penyelidik menggunakan teknologi pemodelan model campuran Gaussian unit untuk memodelkan ruang kerja 6-darjah-kebebasan kedua-dua lengan dan mereka bentuk strategi peruntukan memaksimumkan kebarangkalian untuk mencapai penilaian kebolehcapaian menggenggam kedua-dua lengan dan ketangkasan menggenggam perpaduan.

Subframe kawalan operasi kolaboratif pelbagai fungsi

Untuk subrangka kerja kawalan operasi kerjasama pelbagai fungsi, keupayaan untuk bekerjasama menangkap objek yang tidak diketahui adalah langkah pertama untuk mencapai kesejagatan kedua-dua lengan, dan perancangan gerakan operasi kolaboratif dengan kesedaran keselamatan badan adalah Langkah kedua ialah untuk sambungkan rangkak sejagat dan laksanakan operasi sejagat.

Memandangkan ruang kerja dua lengan robot sistem robot dua lengan humanoid selalunya sangat bertindih, Untuk badan robot yang melakukan tugas dinamik dwi-lengan, pengelakan perlanggaran diri perlu diberi keutamaan tertinggi dalam pergerakan perancangan Selain ketepatan pengelakan perlanggaran, kos pengiraan dalam talian juga perlu dikurangkan untuk memastikan pengelakan perlanggaran masa nyata.

Selain itu, sebagai salah satu penunjuk prestasi operasi yang penting dan perwakilan kemahiran robot, ellipsoid operasi kerjasama dwi-lengan perlu dikawal secara berterusan untuk mencapai pengoptimuman masa nyata konfigurasi lengan robot, dengan itu meningkatkan ketangkasan operasi dwi. -sistem lengan dan mengelakkan kegagalan Misi kerana ketunggalan operasi.

Para penyelidik mereka bentuk sub rangka kerja kawalan operasi kerjasama pelbagai fungsi baharu untuk tujuan ini.

Rangka kerja ini adalah berdasarkan rangka kerja pengoptimuman pelbagai keutamaan berbilang objektif hierarki, yang membenamkan fungsi pengganti jarak minimum dua lengan ringan yang dipelajari dan tugas pengesanan halaju manifold Riemannian ke dalam keutamaan berbeza dalam bentuk kekangan ketidaksamaan.

Ini mencapai keselamatan intrinsik perancangan gerakan operasi dwi-lengan dan ketepatan tinggi pengoptimuman konfigurasi dwi-lengan dalam pembelajaran pemindahan kemahiran manusia-mesin.

. adalah untuk membenamkan kekangan mengelakkan perlanggaran ke dalam Satu langkah penting dalam rangka kerja pengoptimuman pelbagai keutamaan untuk mencapai pengelakan perlanggaran diri dengan kedua-dua lengan.

Disebabkan dimensi tinggi ruang konfigurasi dwi-lengan dan ruang kerja bertindih, pengagihan subruang keselamatan dan subruang perlanggaran adalah tidak seimbang dan sukar untuk diasingkan.

Penyelidik mencadangkan kaedah persampelan berasaskan pembelajaran aktif baru untuk menjana set data perlanggaran dwi-lengan berskala besar, seimbang dan kaya maklumat.

Kemudian gunakan pembelajaran mesin untuk menyesuaikan hubungan pemetaan antara jarak minimum lengan dan konfigurasi lengan, dengan itu memperoleh fungsi pengganti jarak minimum berketepatan tinggi dengan cekap. . Ia sangat berkaitan dengan konfigurasi pengendalian dan juga merupakan isu utama yang perlu ditangani dalam kawalan sistem dwi-lengan.

Ellipsoid darjah operasi dwi-lengan diterangkan oleh matriks pasti positif simetri (SPD) Dengan mereka bentuk jangka suapan halaju dalam ruang manifold dan menggabungkannya dengan prinsip kawalan ralat, para penyelidik mencapai pengesanan dan penjejakan masa nyata. ellipsoid darjah operasi dua lengan Penumpuan eksponen global ralat diberikan, dan analisis dan bukti teori yang lengkap diberikan.

Tugas pengesanan ellipsoid operasi dwi-lengan dibenamkan ke dalam rangka kerja pengoptimuman berbilang keutamaan dalam bentuk kekangan kesaksamaan dan dibentangkan dalam bentuk antara muka penjejakan ellipsoid operasi dwi-lengan.

3. Pengoptimuman pelbagai keutamaan dan reka bentuk pengawal

Penyelidik menggunakan pembolehubah ruang tugas kolaboratif (pergerakan mutlak kedua-dua lengan dan pergerakan relatif kedua-dua lengan) untuk menerangkan semua kolaboratif dua lengan-bukan-kooperatif/tak segerak tugasan, Dan berdasarkan rangka kerja berbilang objektif dan pelbagai keutamaan, rangka kerja sistem untuk kawalan operasi kerjasama universal kedua-dua senjata direka bentuk.

Rangka kerja ini menyepadukan secara organik pelbagai tugas yang disebutkan di atas seperti mengelakkan perlanggaran diri kedua-dua lengan dan pengesanan ellipsoid bagi kedua-dua operasi senjata, dengan itu membersihkan halangan untuk generalisasi kedua-dua lengan pada tahap perancangan dan kawalan gerakan.

Cemerlang dalam genggaman kolaboratif dan pengelakan perlanggaran diriUntuk mengesahkan keberkesanan genggaman kolaboratif optimum kedua-dua lengan, pengelakan perlanggaran diri kedua-dua lengan, dan pengesanan elipsoid bagi operasi kerjasama kedua-dua lengan, penyelidik dijalankan Rangkaian Dual-PointNetGPD yang direka bentuk, fungsi pengganti jarak minimum yang dijana pembelajaran untuk kedua-dua lengan dan ralat pengesanan manifold SPD telah dianalisis secara kuantitatif.

1.

Pengambilan kedua-dua lengan secara optimum

Para penyelidik menjalankan eksperimen ablasi berskala besar dalam enjin simulasi fizik. Kadar kejayaan koperasi dua lengan menggenggam dalam tugas

.

2. 14-dimensi, 20- 30° ialah langkah pensampelan untuk pensampelan ketepatan rendah, dan setiap dimensi dibahagikan kepada 10 bahagian yang sama Saiz set data yang diperlukan juga mencapai 1014.

Para penyelidik menggunakan teknologi pensampelan berdasarkan pembelajaran aktif untuk menjana set data perlanggaran dua lengan Dengan skala data 2 juta, ketepatan ramalan yang tinggi lebih daripada 95% boleh dicapai Berbanding dengan yang digunakan secara meluas pada masa ini pembelajaran set data tidak seimbang, Teknologi seperti b-SMOTE mempunyai kecekapan data dan ketepatan ramalan yang lebih tinggi.

△Analisis ralat ramalan purata dan ketepatan ramalan

Selain itu, masa untuk mengira jarak minimum kedua-dua lengan untuk fungsi proksi yang dijana berdasarkan latihan pembelajaran ialah kira-kira 0.072ms

, yang jauh lebih rendah daripada itu daripada 5.36ms yang digunakan secara meluas yang diperlukan oleh perpustakaan algoritma FCL, dan variansnya lebih kecil.

Ini meningkatkan prestasi masa nyata kaedah semasa penggunaan sebenar dan memastikan perancangan yang stabil dan boleh diramal bagi keseluruhan perancangan gerakan terkoordinasi dua lengan. Selain itu, fungsi pengganti mempamerkan kesinambungan dan kebolehbezaan yang sangat baik, yang sangat penting untuk membenamkan pengelakan perlanggaran diri ke dalam rangka kerja pengoptimuman pelbagai objektif yang lancar dalam bentuk kekangan ketidaksamaan.

△ Analisis perbandingan masa pengiraan jadual

△ Analisis perbandingan kelancaran

3. Ijazah operasi koperasi dua lengan telah diverifikasikan melalui penjejakan elipsoid 🜜. rangka kerja pengoptimuman objektif Operasi dalam kekangan penjejakan ellipsoid secara berkesan mengurangkan perbezaan antara konfigurasi sebenar dan konfigurasi lengan yang dijangkakan, mengesahkan keberkesanan antara muka penjejakan manifold SPD.

4. Eksperimen flipping kolaboratif lengan-lengan:

Untuk mengesahkan keupayaan untuk mengelak perlanggaran diri secara autonomi, para penyelidik mereka bentuk eksperimen flipping kolaboratif yang memerlukan kilasan yang melampau.

Dalam percubaan ini, sistem dua lengan secara autonomi melengkapkan perancangan gerakan trajektori yang saling berjalin dan bebas perlanggaran, dan merealisasikan operasi membalikkan kerusi 360° tanpa mengubah konfigurasi cengkaman.

Pergerakan mutlak objek sentiasa mengekalkan penjejakan ketepatan tinggi dalam arah putaran, dan secara dinamik dan autonomi mengendur dalam darjah kebebasan lain Ralat gerakan relatif lengan adalah kurang daripada 0.003 (m atau rad), dan perlanggaran. jarak keselamatan pengelakan dimampatkan dengan cekap kepada 2.5 cm.

Pada masa yang sama, masa pengiraan biasa bagi keseluruhan sub-rangka kawalan operasi kerjasama pelbagai fungsi menggunakan model grid ketepatan tinggi lengan robot ialah 8.318 ms, yang menyelesaikan dilema ketepatan tinggi dan masa nyata yang tinggi prestasi tidak dicapai pada masa yang sama.

Keputusan di atas juga menunjukkan bahawa tugas di semua peringkat dilaksanakan dengan ketat mengikut keutamaan yang diberikan.

Dalam eksperimen penyusunan semula ufuk panjang, sistem robot dua lengan secara berterusan menggenggam dan memanipulasi tiga objek tidak dimodelkan, iaitu rak buku desktop, bakul penyimpanan dan kaki monitor, yang biasa berlaku dalam persekitaran kehidupan manusia.

Hasil eksperimen menunjukkan bahawa robot dwi-lengan boleh bekerjasama menangkap objek bersaiz besar di bawah rangka kerja universal yang direka bentuk dan boleh mengelakkan perlanggaran diri dengan

autonomi sepenuhnya dan berketepatan tinggi semasa melaksanakan tugas operasi kerjasama yang kompleks.

Ringkasan:

Seperti yang anda lihat, penyelidikan ini secara sistematik menyelesaikan cengkaman optimum kolaboratif dwi-lengan bagi objek yang tidak diketahui berdasarkan persepsi visual buat kali pertama, mencapai keselamatan intrinsik robot dwi-lengan dengan pertindihan yang sangat tinggi. ruang kerja, dan membukanya Antara muka penjejakan ellipsoid untuk operasi kerjasama dwi-lengan yang boleh digunakan untuk pembelajaran pemindahan kemahiran manusia-mesin.

Kajian atas ke bawah mengenai kecerdasan terkandung dan kajian bawah ke atas perancangan dan kawalan operasi robot akan membantu merapatkan jurang teknikal antara AI dan Robotik dan menambah baik aplikasi strategi operasi yang dijana AI dalam dunia fizikal pelaksanaan mempercepatkan kedatangan generalisasi autonomi sepenuhnya sistem dwi-lengan.

Alamat kertas:

https://ieeexplore.ieee.org/document/10449470

Atas ialah kandungan terperinci Penyelidikan Robot Tencent Mengutamakan Isu! Ia boleh membantu pengaturcara memasang monitor dan bekerjasama seperti orang sebenar. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!