LearningGripper

การยึดจับและทิศทางผ่านการเรียนรู้อิสระ

LearningGripper สอดคล้องกับมือมนุษย์ในรูปแบบนามธรรม และการกระทำก็เหมือนกันมากกับแบบจำลองธรรมชาติ: มือจับหุ่นยนต์ที่มีสี่นิ้วเรียนรู้อย่างอิสระโดยใช้กระบวนการ Machine Learning เพื่อเปลี่ยนลูกบอลในสถานะยกขึ้นให้เป็นทิศทางที่กำหนด

ในการดำเนินการที่ซับซ้อนนี้ เฉพาะการกระทำเบื้องต้นและตำแหน่งที่เป็นไปได้ของนิ้วตลอดจนฟังก์ชันตอบรับของสภาพแวดล้อมที่กำหนดไว้ล่วงหน้าในการดำเนินการที่ซับซ้อนนี้ เฉพาะการกระทำเบื้องต้นและตำแหน่งที่เป็นไปได้ของนิ้วตลอดจนฟังก์ชันป้อนกลับของสภาพแวดล้อมที่กำหนดไว้ล่วงหน้า โดยจะได้รับข้อมูลจำเพาะเฉพาะสำหรับสิ่งที่ต้องสามารถทำได้เท่านั้น แต่ไม่ใช่ว่าเขาต้องแก้ปัญหาอย่างไร อัลกอริทึมการเรียนรู้ของกริปเปอร์จะพัฒนากลยุทธ์การเคลื่อนไหวที่จำเป็นอย่างอิสระโดยไม่ต้องตั้งโปรแกรมเพิ่มเติม

เข้าใจและเรียนรู้ – การทำงานร่วมกันที่ชาญฉลาด

ทฤษฎีกล่าวว่ามนุษย์เรามีความฉลาดเพียงเพราะมือของเราสามารถแก้ไขปัญหาที่ซับซ้อนได้มากมาย ทารกเริ่มจับสิ่งของตั้งแต่อายุยังน้อย เช่น จับนิ้วของแม่ เมื่อเราเรียนรู้วิธีจับวัตถุอย่างถูกต้องแล้ว เราก็สามารถพลิกมันและมองจากทุกด้านได้ นี่เป็นวิธีเดียวที่จะสร้างภาพสามมิติของวัตถุในหัวขึ้นมาใหม่ มือยังมอบความสามารถของมนุษย์ในการเรียนรู้

Trial and Error - เรียนรู้ผ่านแรงเสริม

วิธีการเรียนรู้ของเครื่องจักรเปรียบได้กับวิธีการของมนุษย์ ไม่ว่าจะเป็นด้านบวกหรือด้านลบ เครื่องจักรก็ต้องการผลตอบรับจากการดำเนินการเพื่อให้สามารถจำแนกและเรียนรู้จากการดำเนินการดังกล่าวได้ LearningGripper ใช้วิธีการเรียนรู้แบบเสริมกำลังโดยเรียนรู้ผ่านการเสริมแรง กริปเปอร์ไม่ได้รับการกระทำเฉพาะที่ต้องเลียนแบบ ซึ่งจะฝึกฝนทักษะโดยพิจารณาจากผลตอบรับของการดำเนินการก่อนหน้านี้เท่านั้น ดังนั้นจึงเพิ่มโอกาสในการดำเนินการให้ประสบผลสำเร็จและไม่ดำเนินการที่ประสบความสำเร็จน้อยกว่าซ้ำอีก

นิ้วทั้งสี่ขับเคลื่อนด้วยแอ๊คทูเอเตอร์สูบลมนิวเมติกทั้งหมดสิบสองตัวที่มีแรงดันต่ำระหว่าง 2.5 ถึง 3.5 บาร์ แต่ละตัวมีระดับอิสระสามองศาและมีฟังก์ชันพื้นฐานของนิ้วชี้ ในสถานะเริ่มต้นเพียงอย่างเดียว ทั้งมือมีการดำเนินการทั้งหมด 3¹² ให้เลือกเพื่อปรับทิศทางลูกบอล ด้วยการประสานกันอย่างชาญฉลาดของนิ้วมือและโครงสร้างที่ยืดหยุ่นได้ ระบบคิเนเมติกส์สามารถเคลื่อนที่ได้อย่างอิสระและยืดหยุ่น ซึ่งสามารถจับ ยก และหมุนได้อย่างปลอดภัยแม้กระทั่งวัตถุที่บอบบางที่สุดเช่นเดียวกับแบบจำลองธรรมชาติ

ลดความพยายามในการเขียนโปรแกรมผ่านการเรียนรู้ของเครื่อง

สำหรับโมเดล LearningGripper สำหรับงานแสดงสินค้า กริปเปอร์จะสาธิตวิธีเรียนรู้กลยุทธ์การเคลื่อนไหวโดยอัตโนมัติภายในหนึ่งชั่วโมง โดยพยายามแก้ไขงานในมือได้อย่างน่าเชื่อถือตั้งแต่ครั้งแรก กริปเปอร์ตัวที่สองแสดงวิธีการที่เรียนรู้ในสถานการณ์เป้าหมายที่ต้องการ: ยกลูกบอลขึ้นแล้วหมุนเพื่อให้เห็นตัวอักษรนูนอยู่ตรงกลางด้านบน