Robotforskare utvecklar ny teknik för robotar att gripa reflexiva föremål

Robotikområdet utvecklas snabbt, och det kommer inte att dröja länge innan tekniken blir en del av många aspekter av våra liv, inklusive köket. Men det finns ett specifikt hinder som robotforskare måste övervinna för dessa typer av tillämpningar: robotar har extremt svårt att plocka upp transparenta och reflexiva föremål, som till exempel ett mått eller en skarp kniv. Men detta håller på att förändras, tack vare att robotforskare vid Carnegie Mellon University (CMU) har utvecklat en ny teknik för att övervinna detta problem. 

Teamet rapporterade framgång med att lära robotar att plocka upp dessa föremål genom en ny teknik som inte kräver komplexa sensorer, uttömmande träning eller mänsklig vägledning. Istället använde de en färgkamera för att utföra åtgärderna. 

Forskningen kommer att presenteras på den internationella konferensen om robotik och automation sommaren. 

Djupkameror vs Färgkameror

David Held är en biträdande professor vid CMU:s Robotikinstitut. Enligt Held är djupkameror, som bestämmer ett föremåls form genom att skicka ut infraröd ljus, användbara för att identifiera opaka föremål. Men det är inte fallet för transparenta eller reflexiva ytor, som det infraröda ljuset passerar rakt genom eller sprider ut från. På grund av detta kan djupkameror inte beräkna exakta former. Detta innebär att resultatet blir platt eller former fyllda med hål för transparenta och reflexiva föremål.

Fördelen med en färgkamera är att den kan se transparenta och reflexiva föremål, inte bara opaka. Genom att utnyttja detta skapade forskarna vid CMU ett färgkamerasystem som kan identifiera former baserat på färg.

Även om en standardkamera inte kan mäta former på samma sätt som en djupkamera, tränade forskarna det nya systemet för att imitera djupsystemet. Detta tillät det att implicit dra slutsatser om former och gripa vissa föremål, och för att uppnå detta, parades djupkamerabilder av opaka föremål med färgbilder av samma föremål. 

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

Gripa Transparenta och Reflexiva Föremål

Efter att systemet hade tränats framgångsrikt, användes det på transparenta och reflexiva föremål. Roboten kunde gripa de svåra föremålen med en hög grad av framgång efter att ha använt dessa bilder plus all annan information som kunde extraheras från djupkameran.

Held sa att även om systemet inte alltid fungerar perfekt, är det bättre än något av de andra systemen som för närvarande finns tillgängliga.

“Vi missar ibland”, sa Held. “Men för det mesta gjorde det ett ganska bra jobb, mycket bättre än något tidigare system för att gripa transparenta eller reflexiva föremål.”

Enligt Thoms Weng, en doktorand i robotik, är systemet fortfarande mer effektivt för att plocka upp opaka föremål jämfört med transparenta eller reflexiva, men det är mycket mer effektivt än bara djupkameror. En annan fördel med systemet var att inlärningstekniken för att träna det var extremt effektiv, vilket gjorde färgsystemet jämförbart med djupkameran vid att plocka upp opaka föremål.

“Vårt system kan inte bara plocka upp enskilda transparenta och reflexiva föremål, utan det kan också gripa sådana föremål i trånga högar”, sa Weng. 

Detta är inte första gången som robotforskare har försökt att övervinna denna utmaning. Tidigare tillvägagångssätt involverade träningsbaserade system som bygger på upprepade försök att gripa, som kunde uppgå till 800 000 försök. Ett annat tidigare alternativ var mänsklig märkning av föremål, som är både dyrt och tidskrävande.

Robotforskarna vid CMU förlitade sig på en kommersiell RGB-D-kamera som kan producera både färgbilder (RGB) och djupbilder (D).