Fingernem robot løser et af robotteknologiens helt store hovedbrud
more_vert
close
close

Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
Ved at tilmelde dig accepterer du vores Brugerbetingelser, og at Mediehuset Ingeniøren og IDA-gruppen lejlighedsvis kan kontakte dig om arrangementer, analyser, nyheder, tilbud mm via telefon, SMS og email. I nyhedsbreve og mails fra Mediehuset Ingeniøren kan findes markedsføring fra samarbejdspartnere.

Fingernem robot løser et af robotteknologiens helt store hovedbrud

Dex-nets potentielle gamechanger består af en toarmet robot - i dette tilfælde fra ABB - med to slags gribere. Bevægelser, objektgenkendelse og håndtering af emner styres af et avanceret neuralt netværk, der har øvet sig i opgaven på forhånd. Illustration: YouTube

Kunsten at samle et vilkårligt emne op fra en kasse med alle mulige emner – såkaldt bin-picking – har været et af robotteknologiens helt store hovedbrud gennem mange år. Ikke alene er det svært for en robot at finde det rigtige emne, den skal også kunne samle det op uanset størrelse og form.

Derfor er industrirobotter de fleste steder stadig forbeholdt repetitive opgaver, hvor ens emner skal flyttes fra A til B. Alt det kan maskinlæring og mere avancerede gribere nu ændre på.

Et eksempel på det er en toarmet robot, der blev vist frem på en teknologikonference i San Francisco i slutningen af marts. Bevæbnet med en sugekop-griber på den ene arm og en mekanisk griber på den anden er robotten takket være et bagvedliggende stykke deep learning-software en af de mest fingernemme robotter, verden endnu har set, beretter MIT Technology Review.

Markant højere succesrate

Ifølge mediet var den robot, der blev demonstreret på konferencen, i stand til at foretage mellem 200 og 300 såkaldt reelle pluk i timen. Værdien, der på engelsk kaldes mean picks per hour, er udviklet af forskere fra UC Berkeley-universitetet og beregnes ved at gange den gennemsnitlige pluktid med den gennemsnitlige sandsynlighed for et succesfuldt pluk af en gentagen række af emner.

Det er stadig ikke i nærheden af de 400-600 reelle pluk, som en menneskehånd kan klare på den samme tid, men mærkbart bedre end de 70-95 pluk, som de bedste robotter i en nylig afholdt Amazon-konkurrence kunne levere.

Her en video af robotten i aktion:

Forklaringen på den fingernemme robot skal som i mange andre tilfælde ikke findes i selve robottens mekaniske konstruktion, men derimod den bagvedliggende software. Den kaldes Dex-Net og er udviklet af UC Berkeley-forsker Ken Goldberg og en af hans afgangsstuderende.

Softwaren udmærker sig ved at være baseret på dybe neurale netværk, som er én af hovedårsagerne til, at kunstig intelligens vinder frem i disse år. Før robotten laver sine pluk, øver softwaren sig virtuelt ved at oplære et neuralt netværk i, hvordan et givent emne ser ud, og hvordan det skal håndteres.

Robotten prikker til emnet, hvis den er i tvivl

Den slags træning kræver normalt enorme mængder data, men Dex-Net-softwaren er tilsyneladende i stand til at generalisere ud fra emner, den har set virtuelt.

Når robotten skal sættes i arbejde, skanner robottens indbyggede 3D-sensor det pågældende objekt, hvorefter de to neurale netværk – ét for hver arm – giver besked om, hvorvidt emnet skal gribes med sugekop eller griber.

Er robotten i tvivl om, hvordan den skal gribe emnet, prikker den til emnet for bedre at orientere sig om geometri og konsistens.

AI åbner nye døre for robotteknologien

Denne anvendelse af kunstig intelligens kan være med til at åbne helt nye døre for industrielle robotter – for eksempel til at sortere varer på store lagre eller hospitaler eller udføre mere specialiserede arbejdsopgaver i industrien.

»Maskinlæring har en hidtil uset indflydelse på robotteknologi. Der gemmer sig enorm værdi i at få robotter udbredt til til det punkt, hvor vi endelig kan anvende Big Data i robotteknologi,« siger Russ Tedrake, professor på MIT til MIT Technology Review.

Også toneangivende aktører som Googles DeepMind-institut og det Elon Musk-støttede OpenAI forsker i disse år i at udvikle neurale netværk til industrirobotter.

Læs i øvrigt her New York Times’ reportage fra et besøg hos Ken Goldbergs robotlaboratorium sidste sommer.