Опубликована огромная база данных для обучения роботов захвату предметов

Исследователи из лаборатории AUTOLAB Калифорнийского университета в Беркли выложили в открытый доступ крупную базу данных для обучения роботов захвату предметов. Использование тренировочных материалов поможет значительно повысить точность работы машин. Файлы, а также необходимые инструкции доступны подразделения.

В начале июня AUTOLAB представила рекордно ловкого робота Dex-Net 2.0, который в 80 процентах случаев успешно подбирает незнакомые предметы. Такой хороший результат обусловлен использованием нейросети и глубинного обучения. Для того, чтобы научить машину подбирать технику захвата, исследователи создали базу данных из полутора тысяч трехмерных моделей различных предметов.

Сейчас исследователи выпустили открытый набор обучающих материалов, который включает уже 6,7 миллионов подобных моделей (синтетических облаков точек). Они идут в паре с наиболее подходящими стратегиями захвата, а также с оценкой вероятности того, насколько успешной будет попытка поднять и перенести объект. Кроме того, база данных включает и предварительно обученную сверточную нейросеть, которая использовалась самими разработчиками. Исследователи надеются, что это позволит владельцам роботов улучшить их работу, а также поможет развитию новых архитектур нейросетей.

В отличие от человека, роботу непросто взять и переместить бытовой предмет, если он ему незнаком. Элементы неправильной формы, такие как обувь, бутылки, тарелки открытые ящики, резиновые утки, легко использовать людям, но не машинам. Как правило, роботы, которые хорошо справляются с этой задачей, работают лишь с определенным классом объектов. Однако в последние годы исследователи активно работают над созданием универсальных манипуляторов, которые смогут успешно захватывать любые вещи.

Источники: bair.berkeley.edu, nplus1.ru.

Теги: Deep Learning, DexNet, headline, нейронные сети, новости, робототехника