智慧應用 影音
ADLINK
TXOne

亞馬遜開發獨特學習模型 讓機器手臂有更高自主學習力

機器手臂Robin完全無需人類編排動作就能自主抓取輸送帶上的目標物體。亞馬遜

亞馬遜(Amazon)物流中心使用少量機器手臂Robin處理撿貨、掃描、理貨作業,每隔幾天用新的衡量標準重新訓練Robin、計劃每周推出數次軟體更新,以因應變動快速的作業環境與未來規模化部署。

根據The Robot Report報導,Robin運用吸盤夾爪從輸送帶撿取包裹,掃描後置於理貨機器人上,再運送到正確裝運平台,Robin能辨識不同尺寸的箱子、軟性包裹、疊放的信封袋等物體,完全無需人類編排動作就能自主抓取目標物體,不僅能執行一系列預先設定好的動作,還能即時因應環境變化。

亞馬遜的機器人與人工智慧(Robotics and AI)團隊讓機器學習模型自行嘗試從影像中找出輸送帶上的各種包裹,團隊依辨識正確性提供回饋,持續優化模型以達到最高正確率。Robin也能對辨識結果提供信心度回饋,信心度分數低的影像會回傳給團隊進行註解,然後再重新用於訓練Robin。作業時Robin也能自覺犯錯並試圖修正,無法解決就召喚人類介入。

從預先訓練好能辨識邊緣與平面等簡單物體元素的模型開始,Robin逐步學習辨識各種需要處理的包裹,由於輸送帶上的包裹有各種尺寸與形狀,放置方式可能互相堆疊、位在陰影中,包裝的顏色、圖案、照片各異,捆紮的方式多元,這些差異有時連人類都難以區分,因此團隊也收集大量影像在當中的各種物體周圍畫線,讓Robin持續強化辨識能力。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 機器人 亞馬遜 機器手臂