Robot học cách gắp các vật thể có hình dạng phức tạp

Cánh tay robot có  cái rãnh nhỏ được một kỹ sư tại trường Đại hoc Cornell phát minh nhờ  lấy cảm hứng từ các nhà nghiên cứu có cùng ý tưởng để viết thành một thuật toán có thể dạy cho bất kỳ con robot nào học cách cầm những đồ vật có hình dáng phức tạp khác nhau.

Thuật toán lấy cảm hứng từ nghiên cứu của đại học Cornell dạy cho Robot cách cầm ly nước-(Nguồn: John Amend, Đại học Cornell)

Thuật toán này cho phép một robot tự học những kỹ năng cầm đồ vật bằng cách tự mò mẫm thử nhiều cách cho đến khi tìm được cách đúng nhất. Sau đó robot này có thể áp dụng những gì đã học được cho các tình huống trước đây chưa gặp phải. Các nhà nghiên cứu cho rằng phương pháp này là thuyết không tưởng cho phần cứng máy tính và nó sẽ hoạt động với bất kỳ loại robot nào. Điều này đặc biệt hữu ích đối với các robot công nghiệp tự động thường được  sử dụng trong các dây chuyền lắp ráp.

Hình 2

Phiên bản đầu tiên “Universal jamming gripper” được phát triển vào tháng 10 năm 2010 tại phòng thí nghiệm Creative Cornell mà đứng đầu là Hod Lipson, giáo sư kỹ thuật cơ khí và khoa học máy tính. Nó bao gồm một quả bóng cao su lớn chứa đầy một loại vật liệu dạng hạt, chẳng hạn như cafe. Bằng cách điều khiển không khí vào bên trong quả bóng, những vật thể dạng hạt có thể cứng lên hoặc mềm lại (biến đối hình dạng) một cách nhanh chóng cho phù hợp với vật cần nắm. Rồi sau đó xiết chặt lại để cầm chắc vật.

Thuật toán mới được phát triển bởi Lipson và Ashutosh Saxena, trợ lý giáo sư khoa học máy tính và là một chuyên gia trong lĩnh vực học máy của đại học Conrnell. (Học máy -Machine Learning- là một ngành khoa học nghiên cứu các thuật toán cho phép máy tính có thể học được các khái niệm concept) Ông sử dụng thuật toán, một robot có thể sử dụng những hình ảnh 3D của một vật thể để kiểm tra và điều chỉnh một vài hình chữ nhật cho phù hợp với kích thước của tay gắp. Robot kiểm tra mỗi hình chữ nhật trên 1 loạt các đường biên, và được thực hành bằng hình ảnh của những vật thể có hình dạng khác nhau.

Trong suốt quá trình này, robot sẽ xây dựng một thư viện các đường biên có những thuộc tính chung cho việc gắp 1 hình chữ nhật tốt nhất. Khi robot được đưa ra một vật thể mới, nó chọn hình chữ nhật có những chỉ số phù hợp cao nhất, dựa trên những chỉ số đó nó sẽ áp dụng tốt vào việc nắm giữ đồ vật. Robot còn có thể xem xét một cách tổng thể về hình dạng và kích thước của vật thể để giúp nó chọn một điểm gắp vật thể ổn định và tốt nhất.

Để kiểm tra thuật toán, các nhà nghiên cứu đã gắn một cái kẹp có một cái rãnh nhỏ và một máy ảnh Microsoft Kinect 3D lên cánh tay robot công nghiệp. Robot đã được thử nghiệm trong nổ lực gắp 23 chi tiết khác nhau, trong đó bao gồm đồ chơi, dụng cụ và các món ăn. Trong những thử nghiệm này, tỷ lệ thành công của Robot trung bình từ 90% đến 100%.

Trong hầu hết những trường hợp, cánh tay robot có thể gắp thành công những vật thể mới mà nó không được huấn luyện. Khi nhóm nghiên cứu thử nghiệm với những vật thể tương tự, các nhà nghiên cứu ra lệnh cho robot gắp ở chính giữa vật thể, thì tỷ lệ thành công từ 30% đến 50%, ngoại trừ những vật có hình dáng phẳng. Khi kết hợp giữa việc cho robot học và việc robot gắp ở giữa vật thể thì tỷ lệ thành công là 89%. Thuật toán này cũng được thử nghiệm với những cái hàm tiêu chuẩn song song mà hầu hết các robot hiện đại được sử dụng thì cho ra kết quả tương tự.

Nhóm nghiên cứu gồm các sinh viên tốt nghiệp Yun Jiang và John Amend đã trình bày kết quả vào ngày 16/5 trên một bài báo tại Hội Nghị Toàn Quốc Tế về điều khiển và Tự Động Hóa ở St. Paul, Minn.

Xem cách Universal Jamming Gripper hoạt động theo đoạn phim dưới đây:

Nguồn:

1 . designnews.com

2.  clairsang.wordpress.com

Mỹ Hạnh @ MES Lab., Biên dịch

 

Authors

Related posts

*

Top