智慧應用 影音
Truphone 線上活動
event

觸覺回饋增強學習 助提升協作機器人能力

三菱電機研究實驗室(MERL)研究證實,協作機器人可透過觸覺感測與增強學習(reinforcement learning)強化物件分類的能力,並藉此提升零件插入等組裝作業的成功率。

 點擊圖片放大觀看

協作機器人比起傳統機器人需要更高階的觸覺感測能力。法新社

據The Robot Report報導,協作機器人不像傳統機器人可依靠固定鏡頭的高精度感測資料,為了更易於設定與編程,協作機器人往往只能藉由低解析度鏡頭定位物件。許多對人類易如反掌的重複性作業,像是抓、握、旋轉物件等,對協作機器人而言則需要複雜的增強學習協定與觸覺感測技術才可能完成,許多研究團隊也因此紛紛投入了機器人的觸覺回饋與物件分類能力研究。

要讓協作機器人順利完成零件插入的動作,或是處理食物等較脆弱的物件,觸覺感測技術可說格外重要。機器人完成插入動作的關鍵,在於能否適應物件姿態的變化,而觸覺回饋正好能提供物件姿態變化的必要資訊。

MERL研究團隊嘗試利用增強學習,讓手指配備觸覺感測陣列的機器人,將形狀不同的新物件插入對應的孔洞,平均成功率達85%。

在作業過程中,觸覺感測陣列能偵測到物件旋轉時產生的細微變化,並即時回饋訊息,協助機器人修正物件位置與姿態。經過增強學習訓練的機器人控制器能依據觸覺訊號學習本身的錯誤,提升操作的效率。

機器人控制器的學習是以課程式的方式,從較簡單的任務循序漸進到變化較複雜的作業。這種做法能大幅減少重複的訓練步驟。

為避免機器手臂對較脆弱的物件造成損壞,MERL研究團隊開發的觸覺感測陣列訊號,會被轉換成類似於人類觸覺的3D表面表徵,讓機器人僅藉由觸覺就能為新物件實體進行分類。

研究團隊使用視點特徵直方圖(Viewpoint Feature Histogram;VFH)針對觸覺感測資料的幾何與視點進行編碼,再利用單類支援向量機器(OC-SVM)處理每個VFH特徵,藉此決定物件與先前測試的物件是否相同,如此一來便能省去許多預訓練的步驟,也有利於將系統擴展至更多新的物件。

研究團隊表示,未來這項技術可望應用在靈敏度需求更高的操作上。另一方面,目前的觸覺感測研究多仍應用在工廠作業,但未來也有機會使用在居家機器人等產品。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 觸覺感測 機器人 協作型機器人