제퍼넷 로고

로봇은 힘을 사용하는 법을 배웁니다

시간

로봇의 발전은 우리 주변의 세상을 무수한 방식으로 근본적으로 바꾸고 있습니다. 의료 로봇은 외과의가 보다 정확하고 환자의 혈액 손실을 줄이는 데 도움이 되며 수술 후 소독을 통해 환자 결과를 개선합니다. 제조 환경에서 로봇은 워크플로를 최적화하여 과거보다 더 빠르고 일관성 있게 제품을 생산하고 있습니다. 그리고 심지어 집에서도 로봇 청소기가 집안일을 맡아서 우리가 하고 싶은 일을 할 수 있는 시간을 더 많이 줍니다. 그러나 이러한 모든 사용 사례를 통해 실행되는 한 가지 공통된 스레드는 각 로봇이 매우 특정한 작업을 위해 특별히 제작되었다는 것입니다. 최근 수십 년 동안 이루어진 모든 혁신에도 불구하고 우리는 Rosie Robot과 같은 범용 로봇과는 거리가 멉니다. 에 Jetsons 요청된 거의 모든 작업을 수행할 수 있습니다.

현재 로봇에 없는 한 가지 기능은 야생에서 임의의 도구를 파악하고 조작할 수 있는 능력입니다. 로봇이 인간과 같은 방식으로 다양한 작업을 수행할 수 있기 위해서는 로봇이 이를 수행할 수 있어야 한다는 전제 조건이 있으므로 MIT의 연구원 팀이 Toyota Research Institute의 그룹과 팀을 이루어 이 중요한 목표를 달성하기 위해 노력했습니다. . 그들은 최근에 SEED에 결과를 발표했거나 6D의 시리즈 탄성 엔드 이펙터, 이는 적절한 사용을 위해 도구에 정확한 양의 힘을 가하기 위해 학습 알고리즘을 사용하는 소프트 버블 그리퍼 사용을 위한 프레임워크를 정의합니다. 이 시스템의 지속적인 개발은 언젠가는 모든 도구를 조작할 수 있는 로봇의 개발로 이어질 수 있습니다.

SEED는 로봇의 버블 그리퍼 내에 장착된 PicoFlexx IR-Depth 카메라를 활용합니다. 도구를 잡는 동안 배경 빼기 알고리즘을 사용하여 접촉 패치의 위치를 ​​추정합니다. 그리퍼가 XNUMX차원 공간에서 어떻게 변형되는지에 대한 맵이 생성되고 이 정보는 도구의 상대적 자세를 추정하는 데 사용됩니다. 과거 경험에서 얻은 정보를 기반으로 도구 위치를 힘 측정에 매핑하는 모델이 구축됩니다. 그런 다음 이러한 측정값은 Goldilocks도 승인할 수 있는 방식으로 도구를 바로 잡을 수 있도록 그리퍼 압력을 조정하는 데 사용됩니다.

팀은 일련의 시험을 통해 시스템을 로봇 팔에 구현했습니다. 한 시나리오에서 그들은 로봇이 평평한 표면에서 액체를 짜내는 믿을 수 없을 정도로 어려운 작업을 수행하도록 했습니다. 스퀴지에 가해지는 힘은 스퀴지가 표면을 가로질러 미끄러질 때 실시간으로 빠르게 변화해야 합니다. 압력이 너무 높거나 낮으면 도구가 비효율적이거나 그리퍼에서 떨어집니다. SEED는 이 작업에서 꽤 잘 수행된 반면 기준 방법은 올바르게 수행하는 데 어려움을 겪었습니다.

연구원들은 또한 종이에 펜으로 글을 쓰고 드라이버로 나사를 조이는 기술을 적용했습니다. SEED는 이 모든 테스트에서 매우 유능한 것으로 나타났습니다. 그러나 아직 갈 길이 멀다. 현재 시스템에서는 예를 들어 도구가 원통형이어야 합니다. 이 외에도 해결해야 할 다른 제한 사항이 많이 있으므로 범용 그립 로봇이 현실화되기까지는 아직 시간이 걸리지만 이 연구는 올바른 방향으로 가는 중요한 단계입니다.

spot_img

최신 인텔리전스

spot_img