|
导读 近日，MIT发布了一种新的学习系统。这套系统可以提高机器人将材料模塑成目标形状的能力，并预测与固体或液体物体的相互作用。该系统被称为基于学习的粒子模拟器，并有可能在工业和服务机器人领域应用。 作者：佳丽 吃寿司时，有人喜欢用手，有人喜欢用筷子。 用手捏着吃可以避免筷子弄坏寿司外形，同时可以用手感受寿司的质感和温度以及寿司师傅的高超技艺。 对于一些“手残党“来说，能掌握好力道保证寿司拿起后不散开，顺利吃进嘴巴里就挺不不容易的了，自己动手揉饭团做寿司是压根儿没想过的。。 对MIT团队的机器人来说，虽然也不能揉好一个饭团，但算是有了一个开端。 他们构建了一套学习系统，专门训练机器人重塑较软（容易变形）的物体。 当然，这套系统并不醉心于“重塑寿司外形”这样的事情。 这套系统未来可能进军工业界，为机器人提供更精细的感知，或应用于塑型、制作等领域。 MIT构建的新模型 用四句话概括MIT研究人员开发的这种模型： (1)可以捕捉到组成不同材料的“小粒子”在受到相互力的作用时的相互作用。 (2)在运动的基础物理学不确定或未知的情况下，该模型可以直接从数据中学习。 (3)然后，机器人可以使用该模型作为指导来预测液体、刚性材料和可变形材料如何对其作用力作出反应。 (4)当机器人处理物体时，该模型还有助于进一步细化机器人的控制。 双指机器人演示模型 通过视频我们可以看到，这套模型通过一个机器人进行了演示。 这个机器人是一只叫做“RiceGrip”的带有两个手指的机械手，可以准确地将可变形泡沫塑造成所需的形状。比如下方的“T”形，类似于某种寿司饭。 这样一来，像捏粘土、做寿司饭这类“精巧手艺活儿”机器人似乎也能干了。因为它能够感知到自己把东西揉捏成什么样了 这其中的塑造和适应过程是怎样的呢？ MIT这套模型背后的一项关键创新，称为“粒子交互网络”（DPI-Nets）。这种网络可以创建动态交互图，其中包含数千个节点和边缘，可以捕获所谓粒子的复杂行为。 首先，机器人使用深度感应摄像头和物体识别技术来识别泡沫。 研究人员随机选择感知形状内的颗粒来初始化颗粒的位置。然后，模型在粒子之间添加边缘，并将泡沫重建为针对可变形材料定制的动态图形。 由于所学习的模拟，机器人已经很好地了解了在给定一定量的力的情况下，每次触摸将如何影响每个粒子。当机器人开始压缩泡沫时，它会迭代地将粒子的真实位置与粒子的目标位置相匹配。只要粒子没对齐，它就会向模型发送错误信号。该信号会调整模型以更好的匹配材料的位置。 该模型的明显优势 简单来说，研究人员构建的这种模型像是一种“直观物理学”大脑，机器人可以利用它来重建三维物体，这其实与人类的方式有些相似。 他们说，“我们人类在头脑中有一个直观的物理模型，我们可以想象如果我们推动或挤压物体，物体的行为方式。基于这种直观的模型，人类可以完成远远超出现有机器人范围的惊人操作任务。“ 其实在人类5个月大的时候，就能够感受到固体是稳定的，液体是流动的。 第一作者，计算机科学和人工智能实验室（CSAIL）的研究生Yunzhu Li说。“我们希望为机器人构建这种直观的模型，使它们能够做人类可以做的事情。” 很明显，相比于那些传统的物理模拟器（这些模拟器也是基于学习的），MIT构建的这套模型不仅可以研究刚性物体，更可以处理前者无法处理的流体或较软的物体。 传送门 最后，这项研究的论文，已于近日发在了5月份的ICLR上以及其他一些地方。 作者为：Yunzhu Li、 Jiajun Wu、Russ Tedrake、Joshua B. Tenenbaum和 Antonio Torralba 如果你感兴趣，请收好传送门： LEARNINGPARTICLE DYNAMICS FOR MANIPULATING RIGID BODIES, DEFORMABLE OBJECTS, AND FLUIDS https:///pdf?id=rJgbSn09Ym END |
|
|
