当前位置:首页 > 教育动态 >

加州大学伯克利分校的研究人员用ARKit训练操纵者来整理物品

 

来源:本文章来源于网络 | 时间:2020-06-14 17:09:55

若要查看参考/信息源,请单击:VentureBate

使用iphonex和arkit训练机器人手臂对物品进行分类

加州大学伯克利分校(UniversityofCalifornia,Berkley)的人工智能研究人员正在使用iphonex和arkit训练机器人手臂来分类物品。这属于右旋门项目的内容,主要是研究如何通过消费者智能手机实现机器人排序。在这里,通过在项目周围扫描RGB相机生成的数据,arkit可以创建相应的点云。

机器人捕捉是机器人学的一个特殊分支,它主要研究如何教机器人如何拾取、移动、操作或抓取物体。加州大学伯克利分校(UniversityofCalifornia,Berkley)的自动化实验室机器人快速掌握物体的能力将对亚马逊物流中心等自动化仓库的发展产生很大的影响。

这篇名为dex-netar:distributeddeepgraspplanningusinganaugmentedrealityapplicationandasmartphonecamera,的论文说:当相机在空间中移动,点云的密度增加时,它就能更好地检测和定义物体的表面,从而使机器人更容易抓取物体。Dex-netar能够以最先进的系统的精度捕获物体,这些系统依赖昂贵的工业深度传感器。Dexnetar允许用户使用智能手机摄像头在物体周围移动,并收集3D点云数据,而深相机系统则从固定视图(通常是自上而下)捕获图像。。

相关论文:dex-netar:distributeddeepgraspplanningusinganaugmentedrealityapplicationandasmartphonecamera

Dex-net-ar使用离群点消除算法和k最近邻算法来消除Arkit点云估计误差引起的噪声。Dex-net抓取计划器然后评估机器人应该如何拾取物体。

由于每一次arkit扫描都需要固定的两分钟时间,研究人员将在未来的研究中寻找一种更快的方法来扫描物体。一个潜在的改进是,如果数据有限,我们可以尝试使用一种基于学习的方法来减少视频捕获时间,以增加和完成点云数据,论文写道。研究人员还计划探索如何更好地使用iphonex深度传感相机来收集噪音较小的点云数据。

加州大学伯克利分校(UniversityofCalifornia,Berkley)的研究人员使用arkit训练操纵者对物品进行排序,使其首先出现在网上。

焦点推荐

热点推荐