昆士兰科技大学新方法能提升机器人抓取能力

　　据外媒New Atlas报道，能抓取和移动物体的机器人(例如在装配线上)可能很有用，但它们通常只能被编程以抓取特定方向放置的特定类型的物体。然而，现在科学家们已经设计出了一种能提升机器人的抓取能力的方法。

　　澳大利亚昆士兰科技大学的Jurgen Leitner博士表示：“目前机器人抓取系统的一个主要缺点是无法快速适应变化，例如当物体移动时。世界是不可预测的，事物会变化，移动并混合起来，而且往往会在没有任何警告的情况下发生，所以机器人需要能够在非结构化的环境中适应和工作，如果我们希望它们有效的话。”

　　为此，由Leitner领导的团队首先开发了一个人工神经网络(一种基于人工智能的系统，让计算机通过分析示例来学习任务)。通过使用该网络和深度测绘相机，双指抓取机器人随后能够制作位于其前方的移动且杂乱的物体集合的逐像素深度图，然后确定最佳抓取方法用于抓取这些物体中的任何一个。

　　“通过在一次通过中使用深度图像映射它前面的内容，机器人在做出决定之前不需要采样许多不同的可能手势，避免了漫长的计算时间，”博士研究员Douglas Morrison表示：“在我们的实际测试中，我们对一组以前未见过的几何物体的抓握成功率为88%，对一套家庭物体的抓握成功率为88%。我们在抓取动态混乱的物体的成功率为81%。“

　　麻省理工学院和普林斯顿大学的科学家们也开发了一个类似的系统，该系统允许机器人从垃圾桶中抓取随机物体，然后确定物体是什么以及应该被放置在哪里。

　　（原标题：昆士兰科技大学新方法能提升机器人抓取能力|物体|机器人|昆士兰科技大学）