开发了机器人采摘和清洗系统

打开杂货包装是一项简单而乏味的任务:你把手伸进一个袋子，摸一摸里面的东西，然后把它拿出来。快速浏览一下，你就会知道这个物品是什么，应该放在哪里。

来自麻省理工学院(MIT)和普林斯顿大学(Princeton University)的工程师们开发了一种机器人系统，也许有一天它能帮忙做家务，还能协助完成其他挑选和分类任务，从整理仓库里的产品到清理灾区的废墟。

该团队的“拾取-放置”系统由一个标准的工业机械臂组成，研究人员为其配备了定制的夹具和吸盘。他们开发了一种“物体不可知”抓取算法，使机器人能够评估一堆随机物体，并确定在杂物中抓取或吸附物体的最佳方式，而不需要在拾取物体之前了解物体。

一旦它成功抓住了一个物品，机器人就会把它从垃圾桶里拿出来。然后，一组摄像机从不同角度拍摄物体的图像，在一种新的图像匹配算法的帮助下，机器人可以将选中物体的图像与其他图像库进行比较，以找到最接近的匹配。通过这种方式，机器人识别出物体，然后把它藏在一个单独的箱子里。

总的来说，机器人遵循“先抓取再识别”的工作流程，与其他拾取放置技术相比，这是一个有效的序列。

“这可以应用于仓库分类，也可以用于从厨房橱柜中拣东西，或者在事故发生后清理碎片。在许多情况下，选择技术可能会产生影响，”麻省理工学院机械工程沃尔特·亨利·盖尔职业发展教授阿尔贝托·罗德里格斯说。

建立一个成功和失败的图书馆

虽然取放技术可能有很多用途，但现有系统通常只在严格控制的环境中设计。

如今，大多数工业采摘机器人都是为一项特定的、重复的任务而设计的，比如从装配线上抓取汽车零件，始终保持相同的、经过仔细校准的方向。然而，罗德里格斯正致力于将机器人设计成更灵活、适应性更强、更智能的拾取者，用于零售仓库等非结构化环境，拾取者每天可能会不断遇到并不得不对数百甚至数千种新物品进行分类，通常是在密集的杂乱中。

该团队的设计基于两个一般操作:挑选(成功抓取物体的行为)和感知(一旦抓取物体就能识别和分类物体的能力)。

研究人员训练机械臂从杂乱的垃圾箱中挑选新奇的物体，使用四种主要抓取行为中的任何一种:垂直或从侧面吸住物体;像街机游戏中的爪子一样垂直抓住物体;或者，对于平躺在墙上的物体，垂直抓住，然后使用灵活的刮刀在物体和墙壁之间滑动。

罗德里格斯和他的团队向机器人展示了从机器人有利位置拍摄的堆满物体的垃圾箱图像。然后，他们向机器人展示了哪些物体是可抓取的，四种主要抓取行为中哪一种是可抓取的，哪些是不可抓取的，并将每个例子标记为成功或失败。他们研究了数百个例子，随着时间的推移，研究人员建立了一个选择成功和失败的图书馆。然后，他们将这个库合并到一个“深度神经网络”中，这是一类学习算法，使机器人能够根据其成功和失败的库，将当前面临的问题与过去的成功结果相匹配。

罗德里格斯说:“我们开发了一个系统，机器人只需要看着装满东西的手提包，就知道如何预测哪些东西是可抓的或可吸的，以及哪些配置的拾取行为可能会成功。”“一旦放进手环里，物体就更容易识别了，没有那么多杂乱。”

从像素到标签

研究人员以类似的方式开发了一种感知系统，使机器人能够在成功抓取物体后识别和分类。

为了做到这一点，他们首先从零售商网站等在线资源中收集了一个产品图像库。他们用正确的标识标记每张图像——例如，管道胶带和遮蔽胶带——然后开发了另一种学习算法，将给定图像中的像素与给定物体的正确标签联系起来。

罗德里格斯说:“我们比较的东西对人类来说可能很容易识别为相同的，但实际上，作为像素，它们看起来可能有很大的不同。”“我们确保这个算法对这些训练示例是正确的。希望我们已经给了它足够多的训练样本，当我们给它一个新的对象时，它也能预测正确的标签。”

去年7月，该团队将这个2吨重的机器人打包运往日本，一个月后，他们将其重新组装，参加亚马逊机器人挑战赛(Amazon Robotics Challenge)，这是由这家在线大型零售商赞助的，旨在鼓励仓储技术创新的年度比赛。罗德里格斯的团队是参加从杂乱的垃圾箱中挑选和存放物品比赛的16个团队之一。

最后，该团队的机器人使用吸力拾取物体的成功率为54%，使用抓取拾取物体的成功率为75%，并且能够以100%的准确率识别新物体。机器人还在规定的时间内将所有20个物体收纳起来。

由于他的工作，罗德里格斯最近获得了亚马逊研究奖，并将与该公司合作进一步改进拾取放置技术——最重要的是它的速度和反应性。

罗德里格斯说:“在非结构化的环境中挑选是不可靠的，除非你增加一定程度的反应性。”“当人类采摘时，我们会在采摘时做一些小的调整。我认为，我们感兴趣的关键技术之一是，如何做出反应更灵敏的选择。”

该团队已经朝着这一目标采取了一些步骤，他们在机器人的夹持器上添加了触觉传感器，并通过新的训练机制运行系统。

“这个手环现在有触觉传感器，我们已经建立了一个系统，让机器人一整天都在不断地从一个地方拣东西到另一个地方。它捕捉到成功和失败的信息，以及捡起或捡不到物体的感觉，”罗德里格斯说。“希望它能利用这些信息开始将反应性带入抓取。”

麻省理工学院

www.mit.edu

-由克里斯·瓦夫拉编辑，制作编辑，控制工程， CFE传媒，cvavra@cfemedia.com．查看更多控制工程机器人的故事．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。