Blog dedicado a tratar temas sobre electrónica y disciplinas asociadas, así como actualidad de manera clara y sencilla.
Bienvenido a Electrónica Radical. Suscribete al Feed para recibir la información publicada en tu correo electrónico.

noviembre 19, 2015

Baxter Profundo Robot de Aprendizaje: 10 dias para aprender a captar

Foto cortesía de trends.directindustry.com/
En comparación con muchos animales, los bebés humanos son sorprendente-mente vulnerable en sus primeros meses, sin embargo tienen una alta capacidad de auto-aprendizaje y son capaces de dominar una variedad de habilidades dentro de su primer año. Algo tan básico como un niño aprendiendo a recoger los juguetes, que son una gama de formas y tamaños es de hecho una hazaña impresionante.

Ahora los investigadores han observado un comportamiento similar en un robot industrial de dos brazos llamado Baxter. Los investigadores, Lerrel Pinto y Abhinav Gupta de la Carnegie Mellon University, han proporcionado capacidades de aprendizaje profundo a Baxter, para comenzar a probar su funcionamiento organizaron una mesa llena de objetos en frente de el, y se alejaron, dejándolo para aprender por sí mismo.

Baxter es un Robot industrial-humano seguro (COBOT) que está diseñado para realizar tareas repetibles, tales como la carga de línea, envasado y manejo de materiales. Cada brazo está equipado con una pinza paralela de dos dedos y el robot también posee una cámara de alta resolución para ver lo que está haciendo. El robot fue programado para agarrar un objeto por lo que los separa de sus vecinos, a continuación, selecciona un punto aleatorio, gire sus pinzas en línea y realiza una comprensión. Para cada punto, Baxter repite el proceso de agarre algunas 188 veces, cada vez ajusta el ángulo de agarre en 10 grados.

Realizaron pruebas luego a la izquierda del robot en frente de la tabla de objetos para averiguar cómo se debe sujetar cada una. Durante un período de 700 horas, Baxter completó 50.000 agarraderas sobre 150 objetos diferentes, y descubrió que enfoque funcionó mejor con qué objeto. Los objetos incluyen una variedad de artículos para el hogar, tales como juguetes de plástico y un control remoto de televisión. 

Baxter fue capaz de predecir si el agarre tendría éxito casi el 80 por ciento de las veces, lo que era mucho mejor que otros enfoques que se habían tratado. 

El experimento se realizó en un abarrotado ambiente estructurado y proporciona una importante visión de cómo los robots pueden aprender y adaptarse sin intervención humana.

Fuente:
trends.directindustry.com - Enlace: http://goo.gl/hGHgPW

No hay comentarios:

Publicar un comentario

Gracias por tu comentario!