Robotikkforskere utvikler ny teknikk for roboter til å gripe reflekterende objekter

Feltet robotikk utvikler seg raskt, og det vil ikke ta lang tid før teknologien kommer inn i mange aspekter av våre liv, inkludert kjøkkenet. Men det er ett spesifikt hinder som robotikkforskere må overvinne for disse typene applikasjoner: roboter har en ekstremt vanskelig tid med å plukke opp transparente og reflekterende objekter, som for eksempel et målebæger eller en blank kniv. Dette er imidlertid i ferd med å endre seg, da robotikkforskere ved Carnegie Mellon University (CMU) utvikler en ny teknikk for å overvinne dette problemet. 

Teamet rapporterte suksess med å lære roboter å plukke opp disse objektene gjennom en ny teknikk som ikke krever komplekse sensorer, uttømmede trening eller menneskelig veiledning. I stedet brukte det en fargekamera til å utføre handlingene. 

Forskningen vil bli presentert på den internasjonale konferansen om robotikk og automatisering virtuell konferanse som finner sted i sommer. 

Dybdekameraer vs Fargekameraer

David Held er en assistentprofessor ved CMU’s Robotikk-institutt. Ifølge Held er dybdekameraer, som bestemmer et objekts form ved å skine en infrarød lys på det, nyttige for å identifisere u gjennomsiktige objekter. Men det er ikke tilfelle for gjennomsiktige objekter eller reflekterende overflater, som den infrarøde lyset går rett gjennom eller spres av. På grunn av dette er dybdekameraer ikke i stand til å beregne nøyaktige former. Dette betyr at resultatet ender opp med å være flatt eller former fylt med hull for gjennomsiktige og reflekterende objekter.

Fordelen med et fargekamera er at det kan se gjennomsiktige og reflekterende objekter, ikke bare u gjennomsiktige. Ved å dra nytte av dette, skapte forskerne ved CMU et fargekamera-system som er i stand til å identifisere former basert på farge.

Selv om et standard kamera ikke kan måle former på samme måte som et dybdekamera kan, trente forskerne det nye systemet til å imitere dybde-systemet. Dette tillot det å implicit antyde former og gripe bestemte objekter, og for å oppnå dette, ble dybdekamera-bilder av u gjennomsiktige objekter parret med farge-bilder av de samme objektene. 

https://www.youtube.com/watch?v=Gny7NfmqyOk&feature=emb_title

Gripping Gjennomsiktige og Blanke Objekter

Etter at systemet var suksessfullt trent, ble det deretter brukt på gjennomsiktige og blanke objekter. Robotten var i stand til å gripe de vanskelige objektene med en høy grad av suksess etter å ha brukt disse bildene pluss alle andre informasjon som kunne trekkes ut fra dybdekameraet.

Held sa at selv om systemet ikke alltid fungerer perfekt, er det bedre enn noen av de andre systemene som for tiden er tilgjengelige.

“Vi gjør noen ganger feil,” sa Held. “Men for det meste gjorde det en ganske god jobb, mye bedre enn noen tidligere system for å gripe gjennomsiktige eller reflekterende objekter.”

Ifølge Thoms Weng, en ph.d.-student i robotikk, er systemet fortsatt mer effektivt til å plukke opp u gjennomsiktige objekter sammenlignet med gjennomsiktige eller reflekterende, men det er mye mer effektivt enn bare dybdekamera-systemer. En annen fordel med systemet var at læringsteknikken for å trene det var ekstremt effektiv, og gjorde farge-systemet på lik linje med dybdekamera-systemet til å plukke opp u gjennomsiktige objekter.

“Vårt system kan ikke bare plukke opp enkeltvis gjennomsiktige og reflekterende objekter, men det kan også gripe slike objekter i klumpete hauger,” sa Weng. 

Dette er ikke første gangen at robotikkforskere har forsøkt å overvinne denne utfordringen. Tidligere tilnærminger involverte å trene systemer basert på gjentatte forsøk på å gripe, som kunne være opptil 800 000 forsøk. En annen tidligere mulighet var menneskelig merking av objekter, som er både dyrt og tidskrevende.

Robotikkforskere ved CMU brukte en kommersiell RGB-D-kamera i stand til å ta både fargebilder (RGB) og dybdebilder (D).