Робототехники из Беркли ускорят работу роботов на товарных складах

Одна из работ, для которой лучше всего подходят роботы, - это утомительная повторяющаяся задача «pick and place», типичная для товарных складов, но люди все равно справляются с ней намного лучше. Исследователи из Калифорнийского университета в Беркли разрабатывают решение на базе машинного обучения, которое позволит роботам рассчитывать движения для захвата предметов буквально за миллисекунды.

Людям не нужно задумываться о том, как взять предмет и переложить его в другое место. Однако роботы подобной интуицией не обладают - не имея «очевидного» решения, им необходимо оценить тысячи потенциальных вариантов для захвата объекта и его перемещения, выключая вычисление задействованных сил, учет потенциальных коллизий, определение типа захвата, который следует использовать и т.д. При этом само действие робот может выполнить быстро, а вот процесс расчетов требует значительного времени, в лучшем случае несколько секунд, а иногда даже больше. К счастью, робототехники из Калифорнийского университета в Беркли придумали метод, который позволяет сократить это время примерно на 99%.

В их системе используются две модели машинного обучения, работающие попеременно. Первая модель - это "скорострельный" генератор возможных вариантов траекторий для манипулятора робота на основе множества примеров движений. Он создает множество вариантов, а вторая модель обучена выбирать из них самый лучший. Выбранная траектория, как правило, требует более точной настройки специальным планировщиком движения, но, поскольку последний получает на вход общее описание движения, т.е. делает «теплый старт», его работа занимает считанные мгновения. Если бы планировщик движения работал исключительно сам по себе, то его работа занимала бы от 10 до 40 секунд, однако при «теплом старте» это время почти не превышает десятой доли секунды.

Стоит отметить, что пока это лабораторные расчеты, а не то, что можно увидеть на реальном складе, где работают роботы. Сейчас «pick and place» устройства далеки от людей по эффективности, но мало-помалу небольшие улучшения все же сделают их в будущем достаточно конкурентоспособными.

Информация об этом исследовании опубликована на этой неделе в журнале "Science Robotics".