日本东丽成功开发Micro LED显示器用材料
06-08
想象一下，如果你想优雅地将手中的一个小方块递给别人，你是否握住了方块的一边？与你的手成正方形吗？或者伸出手握住方块的底部？那么如果对手是机器人，你握小方块的方式会影响机器人的快速准确识别吗？答案是“是”！因此，Nvidia的研究人员设计了一种人类和机器人传输物品的新方式。
当机器人面对人类时，它会对自己的握持动作进行判断和分类，然后设计出传递物品的方式。
这种方法更加流畅，可以为协作机器人的设计提供新的思路，从而提高仓库工人的生产力。
当地时间3月12日，相关论文Human Grasp Classification for Reactive Human-to-Robot Handovers（基于人手抓取动作分类的人机切换响应）发表在预印本网站arXiv上。
为了解决物体与人手相互遮挡的问题，雷锋网获悉，越来越多的研究聚焦于人与机器人之间物体的无缝传递领域。
目前，绝大多数研究都着眼于将物品从机器人转移给人类的挑战，假设人类可以将物品放入机器人的抓握器中并进行反向操作。
然而，人机无缝移交物品的一大挑战是机器人缺乏可靠和持续的感知。
在搬运和拾取物品的过程中，物品和人的手不可避免地会互相阻挡，并且人们在搬运和拾取物品的同时常常在做其他事情。
因此，机器人对人手和物品的状态和位置的估计并不是很准确。
研究人员提出的一种策略是通过借鉴计算机视觉社区的现成方法来估计人手的运动和物体的 6D 状态。
然而，这种方法仅关注人手或物体。
基于此，NVIDIA研究人员进行了一系列改进。
首先，研究人员利用微软Azure Kinect深度传感器的人体追踪SDK（软件开发套件）获取以人手为中心的检测到的点云，编辑数据集，训练AI??模型。
此外，研究人员还展示了手持物体的样本图像，并记录了人手在 20 至 60 秒内做出的类似动作。
在此期间，人们可以不断移动身体或手，以保证不同的观看角度。
据了解，研究团队的数据集包含超过15万张图像。
在此基础上，研究者将握持动作进行了分类。
例如，当手上拿着一个小方块时，动作可以描述为“张开手掌”、“卡在底部”、“卡在顶部”、“卡在侧面”或“抬起。
”研究人员表示：我们的系统目前覆盖了人们持有物体77%的方式，未来我们会将其扩展到更大的范围。
随后，研究人员对移交物体的任务进行了建模，并基于“鲁棒逻辑动态系统”设计了移交物体的轨迹，消除了对特定类型的夹具和人手接触的需要。
麻烦。
雷锋网了解到，这个系统必须适应人类各种可能的握持动作，才能做出反应并确定接近人类和递出物品的方式。
系统会在“起始”位置等待，直到准确估计出人类将如何握住物体。
事实上，研究人员在一系列实验中对人手所有可能的位置和动作进行了系统回顾，并确定了分类模型和任务模型。
同时，研究人员还考虑了这个过程中可能涉及的额外操作（下图按优先级降序显示了可能的额外操作）。
切换成功率为%。
雷锋网注意到，在实验中，研究人员使用了来自德国慕尼黑机器人公司 Franka Amika 的两款不同的“熊猫机器人”。
研究人员将它们安装在同一张桌子上。
在屏幕上的不同位置，从人类那里接收到 4 种不同颜色的物体。
论文的两位作者表示，与两种基线方法（一种不判断人手的状态，另一种只依赖手和物体的状态）相比，他们的方法提高了人机交互的成功率物品的无缝交接。
，并缩短了规划执行时间——切换成功率为%（第二高为80%），判断成功率为64.3%（第二高为29.6%），总规划执行时间为17.34秒（第二高为29.6%）。
第二短的时间是36.34秒）。
不过，研究人员也明确提到了这个系统的缺点和未来的研究方向：提高判断的成功率将是我们未来的努力之一，因为即使系统已经可以处理大多数物体和人手相互遮挡的情况另外，场景，但不确定性也较高，有时机器人要重新判断。
此外，他们计划让系统从数据中学习不同的持有类型，而不是依赖人为规则。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-08
06-17
06-18
06-17
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态