NVIDIA新算法6-DoFGraspNet可助机器人拿起任意物体

外媒报导NVIDIA研究院在利用深度学习训练各种任务模型方面取得了长足进展。最近该公司让BERT实现了有史以来最快的训练时间并还对有史以来最大採用转型的模型进行了训练。

1568209620_ddxo_p7umaes6or.jpg (416.05 KB, 下载次数: 0)

2019-9-12 09:29 上传

然而正如预期的那样，採用深度学习的算法首先需要一个庞大的数据库，这在许多情况下是一种奢侈品。除了继续使用深度学习进行研究外，该公司还将精力集中到了另一个方向。据悉NVIDIA在西雅图机器人实验室开发了一种新的算法--6-DoF GraspNet，其能让机器人抓取任意物体。

6-DoF GraspNet的工作如下：机械手观察物体并决定在6D空间（空间中的x、y、z坐标平面和旋转三维空间）中移动到哪里。该算法的设计方式是生成一组可能的握持器并根据需求进行移动。然后整个握持器通过一个“握持评估器”运行，该评估器会为每个可能的握持分配一个分数。最后握持评估器通过局部变换调整握持变量进而提高最佳握持的成功率。有趣的是研究人员并没有选择採用深度学习的方法，反倒是选择了“综合训练数据”。NVIDIA在这当中使用的Nvidia FleX评估法是一种採用粒子的模拟技术，它可以即时生成视觉效果。

NVIDIA的研究人员表示，6-DoF GraspNet最大的优势之一在于它可以用来抓取任意物体；其次是它的模组化，这使得它可以用于各种计算机视觉应用和运动规划算法；第三，它可以跟一个模型一起使用，该模型可根据各种物体的“点云”来分配形状，而这将能确保机械臂不会跟任何障碍物相撞。

消息来源

标签：

免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。