“如果我们的目标是使食品工业或其他领域中的部分或全部任务自动化,我们必须为机器人配备新知识通过学习。他们必须首先学习所谓的软技能,以便他们能够能够以与人类相同的水平执行操作。” SINTEF研究人员Ekrem Misimi解释说,该研究人员开发了iProcess项目中的机器人学习技术中国机械网okmao.com。
为了教机器人这些复杂的操纵技能,需要视觉和触觉学习的结合。换句话说,他们必须学会同时观察和感受。
机器人学习在更大范围内也可能有用,尤其是在大流行期间,此时许多人必须在家工作或由于感染的风险而无法在工厂工作:
“对于社会而言,食品的生产,收获,处理和制备是至关重要的功能。我们的技术旨在确保基于智能机器人的全自动生产线。从本质上讲,智能机器人技术可以更好地为我们做好应对社会的准备困难时期,并在繁荣时期简化生产和价值创造。”
可能性是无止境
如今,机器人与柔软,易碎,柔软或具有韧性的物体之间的相互作用是当今机器人技术面临的最大挑战之一,因为这些类型的物体在搬运时很容易改变其形状和形式。对于人类操作员而言,实时补偿这些变化很容易,但是机器人需要先进的视觉和触觉传感器才能做到这一点。
该机器人已经使用人工智能和模拟技术进行了培训。即使它在现实世界中从未见过鲑鱼片,它仍然设法抓住并正确地握住了它。它甚至可以与其他易碎食品(例如生菜,草莓和西红柿)一起使用。信用:SINTEF Ocean / TYD
因此,为机器人提供了3D视觉形式的人造“眼睛”,来自人工智能的人造“大脑”以及依靠力和触觉感应的敏感“手”。
Misimi解释说:“这些特质使机器人能够开发特定于任务的智能,足以使它们自动完成任务。”
使用简单的示例学习复杂的任务
尽管具有学习能力,但机器人最终还是一台机器。因此,它必须首先通过与人类交互或自身交互通过感知和学习获得有关将要完成的任务的知识。
Misimi说:“我们的目标是让机器人从简单的示例中学习如何执行现实世界中的复杂操作任务。”
因此,iProcess项目开发了两种机器人学习方法。第一个是“从演示中学习”(LfD),其中机器人通过视觉和触觉感测的结合来学习抓握软食品。第二个是“从自我探索中学习”,其中机器人在最终部署到现实世界之前,无需任何额外的微调,即可使用人工智能在模拟环境中自行学习任务。该项目为NTNU的研究人工智能和机器人的研究生带来了许多有趣的任务。
“机器人学习中的一个典型挑战是,操作员或老师会错误地向机器人演示任务。因此,我们制定了一种仅基于最佳演示的学习策略,并自动忽略了较差的演示, “这与教师的预期政策不一致。学习策略使用3D成像技术来正确定位机器人抓取器,并使用触觉来温和地操纵和抓握物体。” Misimi解释说。
“从自我探索中学习特别有趣的是,该机器人以前从未在模拟或真实环境中见过鲑鱼片。但是,它仍然可以很好地推广到现实世界中,以便处理新的事物。 ,未知物体,”他补充说。
当机器人以这种方式学习时,学习时间将大大缩短,并且无需任何其他编程即可将其用于处理多种食品或类似物体。
关于LfD的研究发表在“智能机器人和系统国际会议”上发表的“通过从示范中进行稳健学习来对食物标的物进行机器人处理”中,而有关通过自我探索进行学习的文章已被即将出版的国际会议接受。 2020年机器人与自动化会议(ICRA)*。
教老机器人新技巧
他们说你不能教老狗新的技巧-但是可以训练机器人执行许多不同的处理任务,从固定静止的物体和运动的物体到执行需要更大灵活性的更复杂的操纵任务(例如操纵运动物体)。
Misimi说:“任务可能涉及切割或抓握需要轻拿轻放的物体。无论是鱼片还是生菜,机器人都必须足够细腻,不会损坏产品,但仍然可以完成工作。”
对食品行业很重要
新技术对挪威食品行业都将是重要的和任何其他将受益于机器人处理柔韧和可延展物体并且完全依靠自动化来保持挪威创造价值的。
“该项目是实现这一愿景的一个里程碑。机器人技术将能够提高竞争力和盈利能力,并将使挪威能够加工更大比例的原材料。这将有助于提高产品质量并减少食品此外,这将有利于环境,因为原材料不必像今天必须经常运到国外那样进行提炼。”