东南教育网您的位置:首页 >无人驾驶 >

认识Blue这是一款专为AI设计的低成本人性化机器人

导读 机器人可能具有超人的力量和精确度的诀窍,但是它们仍然在一些基本的人类任务中挣扎,例如折叠衣物或煮一杯咖啡。Enter Blue是由加利

机器人可能具有超人的力量和精确度的诀窍,但是它们仍然在一些基本的人类任务中挣扎,例如折叠衣物或煮一杯咖啡。Enter Blue是由加利福尼亚大学伯克利分校的一组研究人员构思和制造的新型低成本,人性化的机器人。Blue旨在利用人工智能(AI)和深度强化学习的最新进展来完成复杂的人工任务,同时又保持足够的负担和安全性,以至于每个人工智能研究人员以及最终每个家庭都可以拥有一个。

Blue是Pieter Abbeel的创造力,Pieter Abbeel是加州大学伯克利分校的电气工程和计算机科学教授,博士后研究员Stephen McKinley和研究生David Gealy。该团队希望Blue能够加快家庭机器人技术的发展。

“对于现有的机器人,人工智能已经做了很多工作,但是我们希望设计出一种适合人工智能的机器人,”阿比贝尔说。“现有的机器人太昂贵了,对人类来说并不安全,对自己也同样不安全。如果他们通过反复试验来学习,它们很容易崩溃。我们想创建一种适合AI时代而不是高精度,亚毫米级,工厂自动化时代的新型机器人。”

在过去的十年中,Abbeel率先提出了深度强化学习算法,该算法可帮助机器人 通过反复试验 或在 诸如木偶之类的人的引导下进行学习。他使用外部公司制造的机器人开发了这些算法,这些机器人的售价为数万美元。

Blue的耐用塑料零件和高性能电机的制造和组装费用总计不到5,000美元。它的手臂大小均与普通健美运动员的大小相同,对外界力量(例如将其推开的手)敏感,并且具有圆滑的边缘和最小的捏合点,以免抓到流浪的手指。蓝色的手臂可以非常僵硬(例如,人类弯曲),也可以非常灵活(例如,人类放松),或者介于两者之间。

目前,该团队正在内部建造10支武器,以分发给早期采用者。他们将继续研究Blue的耐用性,并应对大规模制造机器人的巨大挑战,这将通过UC Berkeley分拆的 Berkeley Open Arms来实现。表示对优先访问感兴趣的注册从今天开始在该站点上进行,

“有了低成本的机器人,每个研究人员都可以拥有自己的机器人,而愿景是该项目背后的主要推动力之一–通过在世界范围内拥有更多的机器人来完成更多的研究,”麦金利说。

从动人的雕像像猫一样轻盈

传统上,机器人技术专注于工业应用,其中机器人需要力量和精度才能每次都完美地执行重复性任务。这些机器人在高度结构化,可预测的环境中蓬勃发展-与传统的家庭相去甚远,在传统的家庭中,您可能会在地板上找到孩子,宠物和脏衣服。

“我们经常将这些工业机器人描述为移动中的雕像,” Gealy说。“它们非常坚固,意在从A点到B点再完美地回到A点。但是,如果您命令他们越过桌子或墙壁一厘米,它们就会砸入墙壁并锁住,弄碎自己或弄破墙壁。没什么好的。”

如果AI会在非结构化环境中犯错误并从中学习,那么这些僵化的机器人将无法正常工作。为了使实验更安全,Blue被设计为受力控制-对外部力高度敏感,始终调节在任何给定时间施加的力。

吉利说:“关于该机器人设计的一件非常酷的事情是,我们可以使它对力敏感,美观且反应灵敏,或者我们可以选择使其非常坚固和刚性。” “研究人员可以调整机器人的刚度,以及什么样的刚度-您想让它感觉像糖蜜吗?您想让它感觉像春天吗?这些的结合?如果我们希望机器人能够搬到家中并在越来越多的非结构化环境中运行,他们将需要这种能力。”

为了以低成本实现这些功能,团队考虑了Blue完成以人为中心的任务所需具备的功能,以及没有这些功能所能具有的功能。例如,研究人员为Blue提供了广泛的运动-它的关节可以在与人的肩膀,肘部和腕部相同的方向上移动-使人类可以更轻松地教它如何使用虚拟现实技术完成棘手的动作。但是敏捷的机器人手臂缺乏典型机器人的力量和精度。

“我们意识到,您不需要一直在施加特定作用力或始终保持特定准确性的机器人。有了一点智能,您就可以放宽这些要求,并使机器人的行为更像人类来完成这些任务。”麦金利说。

蓝色可以在手臂完全伸展的情况下持续承受2公斤的重量。麦金利说,但与以一个一致的“力/电流限制”为特征的传统机器人设计不同,蓝色被设计为“受热限制”。这意味着,类似于人类,它可以快速爆发出超过2千克的力,直到达到其热极限,并且需要时间休息或冷却。这就像人类如何捡起洗衣篮并轻松地将其跨过房间,但是如果没有频繁的休息,可能无法在一英里内携带相同的洗衣篮。

“从本质上讲,我们可以从较弱的机器人身上获得更多收益。” 吉利说。“而功能更弱的机器人更安全。最强的机器人是最危险的。我们想设计最弱的机器人,它仍然可以做真正有用的事情。”

“研究人员一直在为现有硬件开发AI,大约三年前,我们开始思考,'也许我们可以做些其他的事情。也许我们可以考虑我们可以构建什么样的硬件来增强AI并同时在这两个路径上共同工作,” McKinley说。“而且我认为,这与许多研究的发生方式相比确实是一个巨大的转变。”

免责声明:本文由用户上传,如有侵权请联系删除!