Краткое введение в область исследований роботов по захвату и манипулированию
Britannica определяет робота как любую автоматически управляемую машину, заменяющую человеческие усилия, хотя она может не напоминать людей по внешнему виду и не выполнять функции, подобные человеческим. В более широком смысле, робототехника - это инженерная дисциплина, занимающаяся проектированием, конструированием и эксплуатацией роботов.
Исследования робототехники включают различные области, такие как робототехника, ориентированная на человека и похожая на жизнь, робототехнические конструкции, манипуляции и интерфейсы, полевая и служебная робототехника, мобильная и распределенная робототехника, зондирование и восприятие ( источник: Справочник Springer по робототехнике)
Прихватывание и манипуляции
Роботы все чаще используются в средах, требующих захвата объектов и манипулирования ими. Они полезны в домашних условиях, где может возникнуть необходимость подбирать и размещать такие предметы, как книги, мячи, игрушки, а также на производственных линиях для сбора и перемещения продуктов, таких как упакованные товары и механические детали.
Считается, что исследования в области захвата и манипуляции роботами начались еще в 1970-х годах, в основном, когда фантастический классический мир Дикого Запада представил роботов в вымышленном фильме. Они были неотличимы от своих гостей-людей, за исключением того, что они еще не усовершенствовали свои руки.
В захвате робот стремится полностью схватить объект своей роботизированной рукой. Ключевым показателем успеха является идентификация и надежный захват (захват) объекта, при этом эффективно устраняя окружающие неопределенности в позе, геометрии и текстуре объекта. После этого управлять движением объекта становится так же легко, как управлять движением руки.
С другой стороны, манипуляция включает в себя приложение силы или движения к тому же самому объекту для изменения его состояния и ориентации в окружающей среде.
Восприятие роботов само по себе является основанием для применения роботов в реальном мире. Так же, как органы чувств у людей, отвечающие за такие задачи, как зрение, слух, осязание, вкус и обоняние, также очень важно, чтобы роботы могли выполнять эти задачи, чтобы помогать людям в их окружающей среде.
Роботизированное восприятие успешно решает такие задачи, как зрение, тактильные ощущения, тактильное восприятие и слух. Тем не менее, как это соотносится с задачами захвата и манипулирования?
Осознавая реальность манипуляции
Мы без сомнения знаем, что скорость и сила роботов намного превосходят человеческие руки, но они не могут надежно захватывать незнакомые объекты. Различия в форме, размере и текстуре объектов по-прежнему затрудняют создание сверхинтеллектуальных машин для домашнего хозяйства, производства и безопасности. Сложность проистекает из присущей ему неуверенности в физике, восприятии и управлении роботом.
Почти все приложения, от производства до обслуживания и безопасности, выиграли бы, если бы роботы могли захватывать любой объект из разнообразного диапазона форм и размеров от жесткого до деформируемого и в различных условиях трения.
Несмотря на более чем 40-летние исследования, эта проблема остается полностью нерешенной. Следовательно, это означает, что роботы полагаются на упрощения своей среды, такие как обеспечение того, чтобы объекты были расположены определенным образом, или использование сильной задней подсветки для лучшего восприятия и определения местоположения объекта или предмета.
Две проблемы, мешающие выполнению роботизированных задач, таких как выбор и размещение, в более широком диапазоне настроек, - это создание надежных систем восприятия для определения местоположения объектов и планирование надежных мест захвата объектов.
Огромная важность этой области вызвала повышенный интерес в отрасли. Это побудило гиганта электронной коммерции Amazon бросить вызов исследователям в ежегодном конкурсе в течение последних трех лет.
Amazon Robotics Challenge предлагает исследователям разработать и построить робота, который сможет сортировать товары для заказа клиента из контейнеров и складывать их вместе в коробки. Предметы самые разные: от бутылочек и мисок до мягких игрушек и губок. Изначально они перемешаны друг с другом, что затрудняет идентификацию объекта и механический захват.
Некоторые компании, занимающиеся захватом и манипуляциями с роботами, которые вам следует проверить
Ambi Robotics, German Bionic, Covariant, Nimble Robotics, MegaRobo, XYZ Robotics, Amazon Robotics, Fetch Robotics, Soft Robotics, Simbe Robotics, Locus Робототехника »
Некоторые недавние исследования в области захвата и манипуляции роботами, на которые стоит обратить внимание
DexNET (1, 2, 3), DOPE, PPR-Net, OP-Net, SingleGrasp, MultiGrasp, двухэтапная система, GG-CNN, координация вручную, самоконтроль с большим размером, FC-GQ-CNN, QT- Opt, QT-Opt RCAN, TossingBot, S4G, GraspNet, Grasping in the Wild (ссылка: Kleeberger и др. 2020)
Это введение в опрос, который я надеюсь вскоре опубликовать. Поскольку в этой области было проведено множество исследований, она постепенно становится обременительной для поздних исследователей. Опрос направлен на то, чтобы облегчить доступ исследователей к этой области и способствовать непрерывности проводимых исследований.
Важные ссылки
[1] Мавракис, Н., Столкин, Р. (2020). Оценка и использование инерционных параметров объектов в роботизированном захвате и манипулировании: обзор. Робототехника и автономные системы, 124, 1–3. Https://doi.org/10.1016/j.robot.2019.103374
[2] Ямадзаки, К., Уэда, Р., Нодзава, С., Кодзима, М., Окада, К., Мацумото, К., Исикава, М., Симояма, И., Инаба, М. ( 2012). Робот-помощник для стареющего общества. Труды IEEE, 100 (8), 2429–2441. Https://doi.org/10.1109/jproc.2012.2200563
[3] Кристенсен, Х., Амато, Н., Янко, Х., Матарич, М., Чозет, Х., Дробнис, А., Голдберг, К., Гризл, Дж., Хагер, Г., Холлербах, Дж., Хатчинсон, С., Крови, В., Ли, Д., Смарт, Б., Тринкл, Дж., Сухатме, Г. (2021). Дорожная карта для робототехники США - от Интернета к робототехнике, издание 2020 г. Основы и тенденции в робототехнике, 8 (4), 49–54. Https://doi.org/10.1561/2300000066
[4] Осорио, В. (2019) Роботизированный захват с использованием демонстрации и глубокого обучения. UWSpace. Http://hdl.handle.net/10012/15035
[5] Чен, Н., Чу, К. М., Ти, К. П., Хан, Б. С. (2012). Роботизированный захват, управляемый человеком. 2012 IEEE RO-MAN: 21-й международный симпозиум IEEE по интерактивному общению между роботами и людьми. Опубликовано. Https://doi.org/10.1109/roman.2012.6343734
[6] Липер, А. Э., Сяо, К., Чокарли, М., Такаяма, Л., Госсов, Д. (2012). Стратегии роботизированного захвата человека в петле. Материалы седьмой ежегодной международной конференции ACM / IEEE по взаимодействию человека и робота -HRI ’12. Опубликовано. Https://doi.org/10.1145/2157689.2157691
[7] Ду Г., Ван, К., Лян, С., Чжао, К. (2020). Роботизированный захват на основе зрения от локализации объекта, оценки положения объекта до оценки захвата для параллельных захватов: обзор. Обзор искусственного интеллекта, 54 (3), 1677–1734. Https://doi.org/10.1007/s10462-020-09888-5
[8] Пол, С. К., Чоудхури, М. Т., Николеску, М., Николеску, М., Фейл-Зайфер, Д. (2021 г.). Обнаружение объектов и оценка позы на основе данных RGB и глубины для адаптивного роботизированного захвата в реальном времени. Достижения в области компьютерного зрения и вычислительной биологии, 121–142. Https://doi.org/10.1007/978-3-030-71051-4_10
[9] Клеебергер, К., Борман, Р., Краус, В., Хубер, М. Ф. (2020). Обзор роботизированного схватывания на основе обучения. Текущие отчеты по робототехнике, 1 (4), 239–249. Https://doi.org/10.1007/s43154-020-00021-65
[10] Сахбани, А., Эль-Хури, С., Бидауд, П. (2012). Обзор алгоритмов синтеза трехмерных объектов. Робототехника и автономные системы, 60 (3), 326–336. Https://doi.org/10.1016/j.robot.2011.07.016
[11] Саксена, А., Дримейер, Дж., Нг, А. Ю. (2008). Роботизированный захват новых объектов с помощью зрения. Международный журнал исследований робототехники, 27 (2), 157–173. Https://doi.org/10.1177/0278364907087172
[12] Дэн, Л. Ю. (2006). Метод кросс-энтропии: единый подход к комбинаторной оптимизации, моделированию Монте-Карло и машинному обучению. Технометрика, 48 (1), 147–148. Https://doi.org/10.1198/tech.2006.s353
[13] Лейтнер, Дж., Тоу, А. В., Сандерхауф, Н., Дин, Дж. Э., Дарем, Дж. У., Купер, М., Эйх, М., Ленерт, К., Мангелс, Р., МакКул, К. ., Куяла, П.Т., Николсон, Л., Фам, Т., Сержант, Дж., Ву, Л., Чжан, Ф., Апкрофт, Б., Корк, П. (2017). Тест выбора ACRV: A эталонный робот для отбора полок для повышения воспроизводимости исследований. Международная конференция IEEE по робототехнике и автоматизации, 2017 г. (ICRA). Опубликовано. Https://doi.org/10.1109/icra.2017.7989545
[14] Ходсон, Р. (2018). Как роботы осваивают искусство захвата. Природа, 557 (7704), S23 – S25. https://doi.org/10.1038/d41586-018-05093-1
