據悉,近日美國科研團隊基于人工智能算法,通過(guò)針對性高頻率模擬,研制出一款能夠建立智能化自我識別系統的機械手臂,在工業(yè)機器人智能化領(lǐng)域實(shí)現了新的重要突破。
機械手臂源于仿生學(xué)原理,通過(guò)模仿人類(lèi)手臂的實(shí)用化動(dòng)作,達到在工業(yè)生產(chǎn)領(lǐng)域代替一線(xiàn)工人部分高頻度、高強度、高精度技術(shù)操作的目的,可以大幅提高生產(chǎn)效率及產(chǎn)品精度,顯著(zhù)降低生產(chǎn)成本,已成為全球各大企業(yè)提高車(chē)間生產(chǎn)水平的不二選擇。
傳統機械手臂
機械手臂作為工業(yè)機器人實(shí)用化的初始產(chǎn)品,近年來(lái)早已揉進(jìn)智能化因素,通過(guò)數據分析來(lái)完成各種非常規性、智能化操作,取得了快速的發(fā)展,得到了廣泛的應用,前景仍是十分的廣闊??梢哉f(shuō),機械手臂的智能化水平,已成為衡量現代企業(yè)生產(chǎn)能力及科技水平的重要指標。
而此次美國哥倫比亞大學(xué)科研團隊的研究成果表明,機械手臂已可以利用深度學(xué)習技術(shù),通過(guò)一定程度的指導練習,生成自我形態(tài)認知這種高層級邏輯能力,從而做出更高水平的自我操控性動(dòng)作。顯然,此次成果已然突破了機械手臂原有的初級受控式運動(dòng)能力,對進(jìn)一步取代更多車(chē)間操控動(dòng)作提供了可能。
此項研究的核心流程在于,以機械手臂大數量級的自由動(dòng)作為技術(shù)基數,引導機械手臂自我建模。我們都知道,在極為復雜的工業(yè)控制工藝中,數據建模是決定性,也是難度大的工序。哥倫比亞大學(xué)的科研團隊,讓機械手臂自由運動(dòng)并采集了近1000個(gè)運動(dòng)軌跡,每個(gè)軌跡定義了近百個(gè)關(guān)鍵節點(diǎn),再利用深度學(xué)習技術(shù)使機械手臂構建自我模型。在30個(gè)小時(shí)的訓練后,通過(guò)不斷地精度校準,機械手臂已能夠認知到自己的形態(tài)及關(guān)節構造,并在此基礎上,做出更復雜、更精準的自我邏輯分析后的動(dòng)作。
數據建模示例
通俗來(lái)說(shuō)就是,你讓機械手臂去拿餐桌的水杯,不必輸入具體路徑及動(dòng)作參數的數據指令,只要告訴它“去拿餐桌的水杯”,他就可以通過(guò)對自身能力的了解,做出相關(guān)的數據決策,自動(dòng)采取相應的邏輯動(dòng)作去拿到餐桌的水杯。
實(shí)驗室內機械手臂模擬場(chǎng)景
實(shí)驗證明,在機械手臂對同一指令進(jìn)行多次動(dòng)作校準后,其已可以做到將數個(gè)小球夾起放進(jìn)杯里。同時(shí),當科研團隊為機械手臂換上殘缺部件以模擬身體損傷時(shí),機械手臂的數據模型也能及時(shí)發(fā)現部件的缺失,再經(jīng)重新校準后,仍可恢復同等水準的技術(shù)動(dòng)作。
顯而易見(jiàn),這是機械手臂不同層級的智能化,具有極為重要的實(shí)用化意義??梢灶A見(jiàn)的將來(lái),機械手臂智能化程度的不斷突破,必將起到倍增效應,給現代工業(yè)體系帶來(lái)顛覆性的技術(shù)革新。
(免責聲明:本文所有圖片均來(lái)源于網(wǎng)絡(luò )收集整理,僅供學(xué)習交流,并不代表我站觀(guān)點(diǎn)。本站將不承擔任何法律責任,如果有侵犯到您的權利,請及時(shí)聯(lián)系我們刪除。)