Amazon Robot Contest kan akselerere lagerautomatisering

Pakker med Oreos, esker med fargestifter og knirkende hundeleker vil teste grensene for robotsyn og manipulasjon i en konkurranse i mai. Amazon arrangerer arrangementet for å stimulere utviklingen av mer kvikkfingrede produktpakkemaskiner.

Willow Garages PR2, en av robotene som er involvert i utfordringen, bruker denne konvensjonelle griperen.

Deltakende roboter vil tjene poeng ved å finne produkter som sitter et sted på en stabel med hyller, hente dem trygt og deretter pakke dem inn i pappesker. Roboter som ved et uhell knuser en informasjonskapsel eller mister et leketøy vil få poeng trukket. Personene hvis roboter tjener flest poeng, vil vinne 000.



media og politikk

Amazon har allerede automatisert noe av arbeidet som er gjort i sine enorme oppfyllelsessentre. Roboter på noen få steder sender hyller fulle av produkter over til menneskelige arbeidere som deretter tar og pakker dem. Disse mobile robotene, laget av Kiva systemer , et selskap som Amazon kjøpte i 2012 for 678 millioner dollar , redusere avstanden menneskelige arbeidere må gå for å finne produkter. Imidlertid kan ingen robot ennå plukke og pakke produkter med hastigheten og påliteligheten til et menneske. Industriroboter som allerede er utbredt i flere bransjer er begrenset til ekstremt presist, repeterende arbeid i svært kontrollerte miljøer.

Pete Wurman , teknologisjef i Kiva Systems, sier at rundt 30 team fra akademiske avdelinger rundt om i verden vil delta i utfordringen, som vil bli holdt på den internasjonale konferansen om robotikk og automatisering i Seattle ( ICRA 2015 ). I hver runde vil roboter bli bedt om å plukke og pakke en av 25 forskjellige varer fra en stabel med hyller som ligner de som finnes i Amazons varehus. Noen team utvikler sine egne roboter, mens andre tilpasser kommersielt tilgjengelige systemer med egne gripere og programvare.

De 25 varene som deltakende roboter må hente fra hyllene.

Utfordringen robotene står overfor i Amazons konkurranse vil være betydelig. Mennesker har en bemerkelsesverdig evne til å identifisere objekter, finne ut hvordan de skal manipulere dem, og deretter gripe dem med akkurat den rette mengden kraft. Dette er spesielt vanskelig for maskiner å gjøre hvis en gjenstand er ukjent, vanskelig formet eller sitter på en mørk hylle med en haug med andre gjenstander. I Amazon-konkurransen må robotene jobbe uten ekstern veiledning fra skaperne.

Vi prøvde å plukke ut en rekke forskjellige produkter som var representative for katalogen vår og som utgjør forskjellige typer gripende utfordringer, sa Wurman. Som plastfolie; vanskelig å gripe små hundeleker; ting du ikke vil knuse, som Oreos.

Videoen nedenfor viser tilnærmingen tatt av et team ved University of Colorado. Teamet bruker hyllevare og bygger en robotarm spesialisert for oppgaven, sier Dave Coleman, en involvert doktorgradsstudent.

Konkurransen kan tilby en måte å bedømme fremgangen som har blitt gjort de siste årene, da noen billigere, tryggere og mer tilpasningsdyktige roboter har dukket opp (se How Technology Is Destroying Jobs ) takket være fremskritt i teknologiene som ligger til grunn for maskinbehendighet. Nye typer robotmanipulatorer gjør maskinene mindre slemme til å plukke opp vanskelige eller vanskelige gjenstander, for eksempel. Flere startups utvikler robothender som prøver å kopiere fleksibiliteten og berøringssansen som finnes i menneskelige sifre. Fremskritt innen maskinlæring kan hjelpe roboter med å utføre langt mer sofistikert objektmanipulering i årene som kommer.

Et sentralt gjennombrudd på dette området kom i 2006, da en gruppe forskere ledet av Andrew Ng, deretter ved Stanford og nå ved Baidu, utviklet en måte for roboter å finne ut hvordan de kan manipulere ukjente objekter. I stedet for å skrive regler for hvordan de skal gripe en spesifikk gjenstand eller form, satte forskerne roboten deres i stand til å studere tusenvis av 3D-bilder og lære å gjenkjenne hvilke typer grep som ville fungere for forskjellige former. Dette tillot den å finne ut passende grep for nye gjenstander.

De siste årene har robotikkforskere i økende grad brukt en kraftig maskinlæringstilnærming kjent som dyp læring for å forbedre disse egenskapene (se 10 Breakthrough Technologies 2013: Deep Learning ). Ashutosh Saxena , et medlem av Ngs team ved Stanford og nå assisterende professor ved Cornell University, bruker dyp læring for å trene en robot som vil delta i Amazonas utfordring. Han jobber med en av elevene sine, Ian Lenz .

Selv om Amazon-utfordringen kan virke enkel, tror Saxena at den raskt kan få innvirkning i den virkelige verden. Hvis roboter er i stand til å håndtere selv de lette typene gripeoppgaver konkurransen foreslår, sier han, kan vi faktisk begynne å se mange roboter som hjelper folk med forskjellige oppgaver.

gjemme seg

Faktiske Teknologier

Kategori

Ukategorisert

Teknologi

Bioteknologi

Teknisk Politikk

Klima Forandringer

Mennesker Og Teknologi

Silicon Valley

Databehandling

Mit News Magazine

Kunstig Intelligens

Rom

Smarte Byer

Blockchain

Feature Story

Alumniprofil

Alumniforbindelse

Mit News-Funksjon

1865

Mitt Syn

77 Mass Ave

Møt Forfatteren

Profiler I Generøsitet

Sett På Campus

Alumnibrev

Nyheter

Valget 2020

Med Indeks

Under Kuppelen

Brannslange

Uendelige Historier

Pandemisk Teknologiprosjekt

Fra Presidenten

Forsidehistorie

Fotogalleri

Anbefalt