JavaScript is currently disabled.Please enable it for a better experience of Jumi.

Ihmisille helppo operaatio eli epäsäännööisen muotoisiin esineisiin tarttuminen on erittäin hankala tehtävä roboteille. Berkeley Labin robottirakentajat ovat kehittäneet niin näppäräsormisen robotin, että se osaa poimia ja siirtää reaalimaailman kohteita 99 prosentin onnistumisprosentilla.

DexNet 2.0:ksi nimetty robotti saavutti tarkan kätevyytensä syväoppimisella. Tutkijat kokosivat laajan tietokannan kolmiulotteisia muotoja – yhteensä 6,7 miljoonaa datapistettä – jota neuroverkko käytti oppiessaan poimimaan ja siirtää epäsäännöllisen muotoisia esineitä.

Neuroverkko on yhdistetty 3D-anturointiin ja robotin käsivarteen. Kun objekti on sijoitettu DexNet 2.0:n eteen se nopeasti tutkii muodon ja valitsee tarttumiskohdan, josta onnistuneesti poimia ja liikuttaa kohdetta 99 prosenttia ajasta.

Kahdeksan vuotta sitten MIT:ssä julkistettiin anturitekniikka, jossa käytetään fyysistä kosketusta saada aikaan yksityiskohtainen 3D-kartta kohteen pinnasta. Nyt näitä GelSight-antureita käyttäen kaksi MIT:n tutkijaryhmää on antanut roboteille suuremman herkkyyden ja kätevyyden. GelSight-anturi on tutkijoiden mukaan tietyllä tapaa vaatimattoman teknologian ratkaisu vaikeaan ongelmaan.

GelSight-anturi selvittää geelipalan yhden maalatun pinnan kosketuksen sekä vastapuolen värivalojen ja kameran avulla kohteen 3D-muotoja.

Ensimmäisessä työssä robotti tunnistaa koskettamiensa pintojen kovuutta vähän samaan tapaan kuin ihminenkin eli sormenpäässä tapahtuvan muutoksen perusteella.

Toinen ryhmä keskittyi konenäköön, jota autonominen robotti tyypillisesti käyttää manipuloidakseen esineitä ympäristössään. Konenäkö tarjoaa robotille tarkkaa tietoa objektin sijainnista mutta kohteeseen tarttuminen on paljon vaikeampaa.

Yleensä tällaisen lähestymistavan haaste on sovittaa yhteen visiojärjestelmän tuottama data tuntoanturin tuottamaan dataan. Koska GelSight itsessään on kamerapohjainen, sen data on paljon helpompi integroida visuaaliseen dataan kuin muiden tuntoantureiden dataan.

Veijo Hänninen

Nanobittejä 7.6.2017

Ilmoittaudu mukaan ECF2018-tapahtumaan

ETN järjestää toisen kerran Embedded Conference Finland -tapahtuman. Tällä kertaa aiheina ovat IoT ja tekoäly. Tapahtuma järjestetään Pasilassa 12.huhtikuuta. Luvassa on keynote-puheita, paneelikeskustelu AI:n merkityksestä sekä mielenkiintoisia teknisiä esityksiä.

Kävijöille tapahtuma on ilmainen. Rekisteröidy heti mukaan, sillä paikkoja on rajoitetusti. Mukaan pääset ilmoittautumalla täällä.

Lisätietoja tapahtumasta löytyy osoitteesta www.embeddedconference.fi.

 
 

Data on jo tavaroita arvokkaampaa

Strategisesti ajatellen it:llä ei ole väliä, kirjoitti amerikkalainen Nicolas Carr vuonna 2003 Harvard Business Review’ssä. Seuraavina vuosina yritykset alkoivat ulkoistaa it-järjestelmiään, koska eivät pitäneet sitä ydinliiketoimintanaan. Nyt 15 vuotta myöhemmin tilanne on toinen. Lisäarvo luodaan datalla, joten it on arvokkaampaa kuin koskaan aikaisemmin.

Lue lisää...

Flashilta vaaditaan paljon verkkolaitteissa

Flash-muisti yleistyy tietoliikennelaitteissa, mutta niissä ratkaisulta vaaditaan paljon enemmän kuin yritys- ja kuluttajalaitteiden tallennuksessa: luotettavuutta, laatua ja datan palautusmahdollisuutta.

Lue lisää...
 
ETN_fi Helsinki wants to become the smartest city in the world. See https://t.co/bZTM7Z5JS5 #100lasissa
ETN_fi The 1st ever official roaming groupcall between Finnish VIRVE and Nodnett of Norway. See https://t.co/WryGLaLGkq @erillisverkot
ETN_fi AI democratizes development, says @adhorn at #hacktalks. See https://t.co/AslQeZYSAV
ETN_fi Robots can´t do backflips, right? https://t.co/KtogoRB25R
 
 

ny template