Zephyrnet-logo

FedEx-robot lost complexe verpakkingsproblemen op

Datum:

Ondanks het feit dat het voortdurend lijkt alsof we ons midden in een door robotica en kunstmatige intelligentie gedreven revolutie bevinden, zijn er een aantal taken die zelfs de beste machine learning-algoritmen en robots blijven ontgaan. De kledingindustrie is een uitstekend voorbeeld, waar de dunne materialen gemakkelijk robotmanipulatoren kunnen doen struikelen. Maar een taak als deze die binnenkort opgelost lijkt te kunnen worden, is het verpakken van vracht in vrachtwagens. zoals FedEx probeert te doen met een van hun nieuwe robots.

Een deel van de reden dat deze taak zo moeilijk is, is dat inpakproblemen, vergelijkbaar met die van handelsreizigers, verrassend complex zijn. De pakketten worden niet in een bepaalde volgorde aan de robot gepresenteerd en moeten efficiënt worden geplaatst op basis van gewicht en grootte. Deze robot, DexR genaamd, maakt gebruik van kunstmatige intelligentie in combinatie met een reeks sensoren om een ​​idee te krijgen van de afmetingen van elk pakket, waardoor hij vervolgens stapel- en bestelconfiguraties kan plannen en een veilige pasvorm tussen alle andere pakketten kan garanderen. Ook moet de robot in staat zijn zich snel aan te passen als er pakketten verschuiven tijdens het stapelen en deze opnieuw te ordenen of opnieuw te stapelen.

Naarmate roboticaplatforms en kunstmatige intelligentie blijven verbeteren, is het waarschijnlijk dat we een golf van complexe problemen zoals deze zullen zien die door machines worden opgelost in plaats van door mensen. Het aanpakken van taken in de echte wereld is vaak complexer dan ze lijken. Iedereen met een printer en een PC LOAD LETTER-fout kan beamen dat zelfs het hanteren van losse vellen papier een moeilijke taak kan zijn voor een robot. Het omgaan met dit soort robots kan echter een fluitje van een cent zijn: op voorwaarde dat u eerst de documentatie leest.

spot_img

Laatste intelligentie

spot_img