TossingBot:목표 위치에 시간당 500개의 물체를 던질 수 있는 로봇 팔

• 새로운 로봇은 임의의 물건을 골라 특정 위치에 던지는 법을 배웁니다.
• 딥 러닝과 발사체 물리학을 모두 사용하여 구조화되지 않은 설정에서 물체를 정확하고 빠르게 던집니다.
• 훈련 시간 14시간 이내에 던지기 정확도 85%, 어수선한 상황에서 파악 신뢰도 87%를 달성했습니다.

지난 10년 동안 로봇이 특정 작업을 보다 효율적으로 수행하고 실제 경험에서 배울 수 있도록 더 똑똑하게 만드는 데 상당한 진전이 있었습니다. 그러나 잡기, 휘두르기, 회전하기, 던지기와 같은 기본 기술에 있어서 로봇은 여전히 ​​인간보다 훨씬 뒤떨어져 있습니다.

이제 Google, MIT, Princeton University, Columbia University의 연구원들은 임의의 물체를 특정 위치에 집어 던지는 방법을 배울 수 있는 새로운 로봇 팔을 개발했습니다. 물리 및 딥 러닝 방법을 모두 사용하여 구조화되지 않은 설정에서 임의의 개체를 정확하고 빠르게 던집니다.

그들은 이 로봇의 이름을 TossingBot이라고 지었습니다. 기존 로봇보다 최대 2배 빠른 피킹 속도와 2배의 유효 배치 범위를 달성할 수 있습니다.

관련 과제

로봇에게 무언가를 던지는 것은 쉬운 일이 아닙니다. 다양한 모양의 물체를 집어 올리는 방법부터 질량, 공기 역학 및 마찰과 같은 물체의 물리적 특성에 이르기까지 수많은 요인이 관련되어 있습니다.

예를 들어, 가장자리에서 무겁고 긴 물체를 집어 던지면 중앙에서 집었을 때보다 더 멀리 떨어집니다. 그러나 탁구공과 같은 가벼운 물체를 선택하면 같은 거리에 던지기 위해 큰 힘(공기 저항으로 인해)이 필요합니다.

각 임의의 개체에 대해 이러한 모든 매개변수를 명시적으로 제어하는 ​​기술을 수동으로 개발하는 것은 거의 불가능합니다. 시행착오 기법을 적용하는 것도 비용과 시간이 많이 들기 때문에 좋은 생각이 아닙니다.

딥 러닝과 물리학 결합

딥 러닝은 로봇이 사례별 메커니즘에 의존하는 대신 경험을 통해 학습하는 데 도움이 될 수 있지만 대상 위치에 정확하게 물체를 던지려면 발사체 물리학에 대한 충분한 이해가 필요합니다.

참조:arXiv:1903.11239 | Google AI 블로그

엔지니어들은 이 두 기능을 모두 통합하여 TossingBot이 빠르게 훈련하고 새로운 시나리오에 일반화할 수 있도록 했습니다. 발사체 물리학의 몇 가지 기본 법칙을 사용하여 로봇은 초기 컨트롤러를 개발합니다. 예를 들어 로봇은 특정 물체를 목표 위치에 던지는 데 필요한 투척 속도를 계산합니다.

그런 다음 신경망은 실제 세계의 변동성 및 노이즈와 같은 외부 요인을 보상하기 위해 물리적 계산 위에 조정을 예측합니다. 훈련 외에도 로봇 팔은 실시간 3D로 장면(RGB 깊이 카메라로 캡처)을 재구성하고 팔이 움직일 때 3D 데이터를 집계하기 위해 NVIDIA Titan GPU에 의존합니다.

훈련 시간 14시간 이내에 TossingBot은 던지기 정확도 85%, 잡동사니에서 파악 신뢰도 87%를 달성했습니다. 최대 도달 범위 밖에 있는 상자에 500개 이상의 임의의 물체를 집어 던질 수 있었습니다.

다음은 무엇입니까?

결과는 매우 인상적이지만 로봇에는 단점이 있습니다. 예를 들어 물체가 착지 충돌에 저항할 만큼 충분히 강하다고 가정합니다. 또한 시각적 정보로만 제어 변수를 평가합니다.

읽기:로봇이 인간에게서 직접 배우도록 가르치는 새로운 AI 시스템

다음 연구에서 연구원들은 착륙을 완충하는 방식으로 물체를 잡도록 시스템을 훈련할 것입니다. 또한 로봇 팔이 던지는 속도에 더 잘 적응할 수 있도록 하는 추가 감지 방식(예:촉각 및 힘-토크)을 탐색할 계획입니다.