注意看,这个机器人要变形了!

百家 作者:大数据文摘 2018-11-11 08:36:48 阅读:171

大数据文摘出品

编译:李雷、茶西、钱天培


一会是汽车,一会是大象鼻子,一会是蛇。


这不是什么妖魔鬼怪,而是康奈尔大学和宾夕法尼亚大学机器人团队的最新研究成果。学名叫“模块化自重构机器人”。


机器人经历变形(八倍速)


“模块化自重构机器人”是机器人家族中非常特别的一员。这类机器人可以像动物一样,通过变形来适应不同环境,并完成各类任务。


在这项最新研究成果中,机器人能够通过观察环境和分析任务,对自身结构实现重新组装。


<iframe class="video_iframe" data-vidtype="2" data-cover="http%3A%2F%2Fshp.qpic.cn%2Fqqvideo_ori%2F0%2Fp07894t4owf_496_280%2F0" allowfullscreen="" frameborder="0" data-ratio="1.7777777777777777" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=p07894t4owf&width=352&height=198&auto=0" width="352" height="198" data-vh="198" data-vw="352" style="display: none; width: 352px !important; height: 198px !important;"></iframe>


该研究的作者之一,来自康奈尔大学的机器人专家Kress-Gazit 表示,当机器人可以改变自己以适应不断变化的环境时,“机器人自主的问题变得更加复杂,也更加有趣” 。

在Science Robotics的一篇新论文,Kress-Gazit及其同事实现机器人适应性的关键在于集中的感官处理,环境感知和决策软件。


论文地址:

http://robotics.sciencemag.org/content/3/23/eaat4983


作者声称,他们的新成果首次让模块化机器人通过重新配置应对不断变化的环境,从而灵活解决问题。


为实现这一目标,他们对环境和机器人的行为都采取了严格的限制。


该研究论文的另一位作者,宾夕法尼亚大学的Mark Yim在与Kress-Gazit举行的新闻发布会上说,自重构机器人的历史可以追溯到大约30年前的变形金刚时代。“机器人研究者们在理解环境方面已经取得了很大进展,”他说,“我们正在做的新实验则是让机器人理解它们究竟能做什么。”


换句话说:让机器人了解自己。


他们用于实验的机器人被称为SMORES-EP,由任意数量的立方体模块组成,这些模块使用磁铁以不同方式相互紧密结合在一起。


一般来说,MSRR的各模块决策是各自分散的,每个模块对任务的规划和执行都有同样的贡献。它们还具有分散成群体或连接组成单个对象的能力。


但是在这项新研究中,研究人员将一个网络摄像头装在小桅杆上再连接到机器人的一个模块上,使机器人有了一个可以观察自己的眼睛,以及一个用来命令所有附加模块的中央处理器。


为了调试机器人,以进行后期测试,该团队构建了一个软件库,其中包含可能的操作,例如驾驶或收集物体,以及机器人完这些操作需要采用的形状。


接下来,该团队为机器人设计了三个实验室挑战,包括在散布着障碍物的测试区域中识别彩色标记物体,并移动它们。


在其中一个测试中,机器人必须进入隧道。在另一个测试里,它必须在一个盒子的高处贴上一枚邮票。


为了简化测试,团队还在机器人的软件库中存储了预先定义了测试环境分类。因此,机器人必须从有限的一系列可能性(隧道,楼梯等)中识别和分类它所遇到的物体和障碍物,而不是像在现实世界中那样从无限集合中识别和分类。这样的设置使得机器人在研究报告中的测试里取得成功的可能性变大。


在测试期间,机器人的规划软件从摄像机获取有关测试环境的信息,并使用其软件库来决定在尝试每项任务时使用哪种配置。该团队指出,配备“眼睛”的机器人在多次试验期间可以完成每项任务。虽然他们没有直接将其与分散版本机器人进行比较,但他们记录了系统故障点。


该团队计算出在测试期间真实发生的大多数错误(略高于40%)是低级硬件问题,例如执行器故障。第二个最有问题的领域是感知,占所有失败的四分之一,再其次是人为错误。


在该小组以前的工作中,机器人专注于通过移动物体和建造坡道来改变它们的环境。


布莱克斯堡弗吉尼亚理工大学的机器人专家Pinhas Ben-Tzvi表示,机器人系统整合感知,高级规划和模块化硬件的能力是这项研究的主要部分:“基于高级任务规范,模块化机器人自主探索未知环境,决定何时以及如何重新配置,并操纵对象来完成其任务。“


作者写道,通过将更多传感器信息从低级组件(例如可以在楼梯上检测到高于预期的台阶的车轮)整合到规划软件中,他们可以使未来的机器人系统更加强大。


英国爱丁堡Heriot-Watt大学的Mauro Dragone表示,在实际应用中,机器人可能遇到的遇到的开放式环境将更加棘手,比如搜救环境。因而,机器人也需要进行更复杂的计算。


“我认为,该系统下一步应该被放到一个更有挑战的实际环境中,而不是结构化和预先设计的环境中进行测试。”


“只有这样,我们才能了解到该系统的真正价值。“


相关报道:

https://spectrum.ieee.org/automaton/robotics/robotics-hardware/transformerbots


【今日机器学习概念】

Have a Great Definition

志愿者介绍

后台回复志愿者”加入我们

关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

四季很好,只要有你,文娱排行榜:http://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

图库
关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接