NVIDIA讓機器手臂更容易抓取空間中任一位置的物體,而且不會夾壞

在現行針對機器手臂抓取真實場景中的物體過程中,通常會在機器手臂裝置攝影鏡頭,透過影像識別方式判斷物件所在,藉此調整機器手臂運作位置,但是最大難度則在於如何控制機器手臂抓取物體力道,而NVIDIA提出的6-DoF GraspNet運算框架,讓機器手臂能以更快效率學會如何抓取空間中任一位置的物體。

依照6-DoF GraspNet運算框架運作模式,將可讓機器手臂透過影像識別方式判斷空間中的X、Y、Z軸 (左右、前後、高低)座標,以及加入旋轉動作形成總計6個軸度數據,藉此能更快對應判斷位處不同空間位置的物體,避免物體位置改變後,機器手臂必須透過重新學習進行判斷,使得工作效率變慢。

就NVIDIA說明,在此運算框架運作模式下,機器手臂可以透過即時視覺判斷物體所在位置,其中更藉由基於粒子模擬運算技術的FleX評估模式,讓機器手臂可透過實際量測數據進行判斷,即便未事先進行深度學習訓練也能快速判斷物體實際位置。

另一方面,針對機器手臂抓取物體的部份也透過握持評估模式,讓機器手臂可透過不同力道測試,藉此評估可實際持握物體應使用力道,進而成功抓取物件,並且能避免施力過度而將物體夾碎的情況。

此項技術更可透過模組化應用在不同場景,甚至也能與其他運算框架並用,藉此讓機器手臂能以更精確動作完成任務。

這樣的應用,不僅能讓機器手臂能有更精準運作,更可讓機器手臂應用在貨物分類等應用時,可以減少機器手臂不當損壞貨品問題,藉此讓無人商店、智慧倉儲等應用更為普及。

發表迴響

%d 位部落客按了讚: