研究者がロボットが野菜をより上手にスライスできるようにする方法を提案

7 月 11 ～ 12 日にサンフランシスコで経営トップに会い、リーダーたちが成功に向けて AI 投資をどのように統合し、最適化しているかを聞きましょう。 もっと詳しく知る

人間が簡単に持ち上げることができる物体を、ロボットが操作するのに時々苦労するのはなぜだろうかと考えたことはありますか? 操作タスクは、機械がポリシー (つまり、スキル) を学習するために使用できるようになる前に、特徴表現に抽象化する必要があります。また、これらの表現は通常、手動で事前定義する必要があります。これは、変形可能なオブジェクトやさまざまな材料特性を含む複雑なタスクでは困難な作業です。 。

実行可能な代替案は、ロボットが経験から自律的に表現を取得する手段を提供するディープラーニング手法です。 その目的に向けて、カーネギーメロン大学の研究者らはプレプリント論文（「野菜をスライスするためのセマンティック埋め込み空間の学習」）の中で、キュウリとトマトを切るタスクに焦点を当て、事前のタスクの知識と経験ベースの学習を組み合わせて表現を獲得する方法について説明している。スライスに。

「野菜をスライスすることを学ぶことは、変形可能な物体をさまざまな形に操作したり、スライスの形で新しい物体を作成したりする必要があるため、複雑な作業です」と研究者らは書いている。 「トレーニング中に意味のある補助タスクを導入することで、私たちのモデルは、状態表現で有用な事前分布や、切られる野菜の厚さなどのプロパティをエンコードする意味論的に豊富な埋め込み空間を学習できるようになります。」

チームの実験セットアップは、2 つの 7-DOF Franka Emika Panda Research Arms と、シーンから生のピクセル情報を収集する側面に取り付けられた Intel RealSense カメラで構成されています。 右腕は「保持アーム」と呼ばれ、指に付けたトングを使って、まな板の上で切られている野菜を摘んだり、置いたり、保持したりするために使用されます。 一方、左腕 (「カッティング アーム」) は、もう一方の腕で保持した野菜をスライスするために使用するナイフで 3D プリントされたツール ホルダーをつかみます。

トランスフォーム 2023

7 月 11 ～ 12 日にサンフランシスコで開催されるイベントにご参加ください。そこでは、経営陣が AI 投資をどのように統合して最適化して成功に導き、よくある落とし穴を回避したかを共有します。

野菜をさまざまな厚さのスライスに切断するには、ロボット アームが複数のさまざまな切断動作を実行する必要があります。 まず、野菜の端を検出し、野菜に向かって一定距離上に移動してスライスし、カットを実行する必要があります。

研究者らは、パラメータを確立するためにロボット アームを使用して切断動作を実行する人間の 10 個の軌跡を収集し、主なパラメータとして上記の切断シーケンスを使用しました。 野菜スライス データセットを作成するために、各デモンストレーションの開始時にカットするスライスの数をランダムにサンプリングし、各スライスのスライスの厚さを記録しました。

次に、チームは新しい埋め込みネットワークをトレーニングしました。これにより、提案されたモデルが役立つタスク固有の属性を取得できるようになったと述べています。 「カットした野菜のスライスの厚さを予測する補助タスクを導入することで、私たちの埋め込みネットワークは、野菜をスライスするタスクに重要なオブジェクト中心の特性をモデル化するようになります。」と彼らは書いています。

結局、このアプローチはどれほど効果的だったのでしょうか? 研究者らは実験で、学習された表現がさまざまな形状やサイズにわたって一般化できること、および操作用の学習モデルに「豊かな表現が与えられる」という証拠を確認したと述べている。 「私たちの[テスト]は、学習されたモデルがカットスライスの厚さなどの重要な属性について継続的に理解を学習することを示しています」と論文の著者は書いています。

VentureBeat の使命は、技術的な意思決定者が変革をもたらすエンタープライズ テクノロジーに関する知識を獲得し、取引を行うためのデジタル タウン スクエアとなる予定です。 ブリーフィングをご覧ください。