拾取機器人——即用于拾取和放置物體的電動鉗子——可能具有對它們有益的可重復性，但復雜的姿勢和不熟悉的物體對它們中的大多數(shù)提出了挑戰(zhàn)。難怪：它們不僅需要定位物體，了解如何抓住它們，這需要大量的訓練數(shù)據(jù)，而且必須放下它們，以免損壞它們或干擾周圍的環(huán)境。

然而，請讓麻省理工學院計算機科學和人工智能實驗室(CSAIL)的人來創(chuàng)造一種克服這些障礙的方法。在一篇新發(fā)表的研究論文(“K-PAM的類級機器人操作：關鍵點負擔操作”)中，他們描述了一個系統(tǒng)——關鍵點負擔操縱，簡稱“kpam”——它檢測一組稱為關鍵點的目標坐標，啟用機器人硬件，并在其上部署和處理一系列精致的對象。

麻省理工學院教授、資深作家Lars Tedrak在一份聲明中說：“每當你在YouTube上看到機器人的視頻時，你都應該仔細觀察機器人沒有做什么。”“機器人幾乎可以選擇任何東西，但如果是他們從未見過的物體，他們實際上無法以任何有意義的方式放下它?！?

大多數(shù)取放感知和抓取算法是估計位置、方向和幾何形狀，而不是點，這很難轉(zhuǎn)化為涉及形狀奇怪的物體的任務。相比之下，kPAM的3D關鍵管線可以“自然”地適應對象類型之間的變化。tedrake——以及博士生Lucas Manuelli、Pete Florence和Wei Gao——表示，一個相對統(tǒng)一的目標只需要三個坐標，比如咖啡杯(重要的是，一個在底部的中心，一個在頂部的中心)，還有足夠的拖鞋、靴子、高跟鞋等六個物品。

“僅僅知道這個對象——一些關鍵點的位置——就足以完成各種有用的操作任務，”Tedrake說。

研究人員使用“最先進”的集成AI模型檢測關鍵點，該模型以單個RGB和深度圖像為輸入，輸出每個坐標的概率熱圖和深度預測圖。(2D圖像坐標、深度值和最終3D關鍵點將在后續(xù)步驟中恢復。他們從包含感興趣對象的場景中收集訓練數(shù)據(jù)，方法是將關鍵點網(wǎng)格投影到圖像空間中，給定三維重建算法中估計的相機姿態(tài)。

在涉及Kuka IIWA LBR機器人與Schunk WSG 50夾緊系統(tǒng)(和深度傳感Primesense傳感器)的實驗中，經(jīng)過全面訓練的系統(tǒng)成功引導機器人手臂將鞋子放在鞋架上，將馬克杯直立放在鞋架上，并用手柄將杯子掛在鞋架上。

機器人測試20雙鞋沒有問題。在100次測試中，只有兩次沒有把鞋子放在架子上。當抓手抓住腳后跟時，會發(fā)生錯誤，導致腳后跟離開原來的位置。

在杯架任務中，包括40個不同形狀、大小和視覺外觀的杯子，機器人在垂直放置時設法抓住了所有的杯子，但由于夾子的行程有限，只能水平放置。令人印象深刻的是，除了兩個實驗(當杯子倒置時)，它把杯子放在離目標位置5厘米的架子上。

杯柄測試有一個小的設置-30個杯子-和五個非常小的杯子。手柄的高度和寬度不到兩厘米。夾具100%的時間把大杯掛在架子上，但對于小杯，只能達到50%的成功率。研究人員將失敗案例歸因于不準確的關鍵點檢測。

其他方面也有改進的空間。Tedrake和合著者指出，人類必須注釋他們的系統(tǒng)所需的訓練數(shù)據(jù)，他們打算通過用合成數(shù)據(jù)補充真實樣本來逐步淘汰未來的工作。此外，他們承認，即使對象類別不變，也必須重新標記關鍵點，并重新訓練模型。

盡管如此，他們認為它提供了比大多數(shù)現(xiàn)有方法更大的靈活性，他們相信有一天，它可能會幫助機器人承擔諸如卸載洗碗機、擦拭廚房柜臺以及在工廠和其他工業(yè)環(huán)境中執(zhí)行拾取和放置工作等任務。

鄭重聲明：本文版權歸原作者所有。轉(zhuǎn)載文章只是為了傳播更多的信息。如果作者信息標注有誤，請第一時間聯(lián)系我們修改或刪除。謝謝你。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！