深度学习技术可优化传感器在机器人身体上的布置，以确保高效运行

下载贤集网APP看更多精彩视频

视频介绍

软体机器人能与人进行互动，或者轻松地溜进狭小空间，替代人类做一些危险或繁杂的工作。但要想更可靠地完成程序设定的任务，就需要知道机器人自己所有身体部位的位置。对于一个软机器人来说，这是一项艰巨的任务，近日，麻省理工学院的研究人员开发了一种深度学习技术，它可优化机器人传感器的布置，以确保高效运行。还可帮助软机器人收集更多有用信息。这种深度学习技术，通过新颖的神经网络体系结构，可对机器人体内的传感器进行优化放置，使其更好地与环境互动，并完成分配的任务。首先，研究人员将机器人的身体分成若干区域。每个粒子的应变速率被作为神经网络的输入。通过反复试验的过程，网络“学习”了最有效的动作顺序以完成任务，例如抓紧不同大小的物体。同时，该网络会跟踪最常使用哪些粒子，并从输入集中剔除较少使用的粒子，以用于网络的后续试验。通过优化最重要的粒子，该网络还可建议传感器的放置位置，以确保高效性能。例如，在一个模拟机器人与抓取手，算法可能建议传感器集中在和周围的手指，那里的精确控制与环境的互动是至关重要的机器人的能力，以操纵对象。虽然这似乎是显而易见的，但事实证明，在传感器的位置上，算法的表现大大超过了人类的直觉。他们的工作有助于机器人设计过程的自动化。尤其是在机器人用于像抓人这样的精细任务的地方。这意味着软机器人朝着设计自动化迈进了一步。