奈良科学与技术研究所的研究人员开发机器人的手的触觉对象识别算法
挑战
解决方案
结果
- 数以百计的手动步骤消除
- 机会尝试新算法思想增加
- 专业知识与其他学生和研究人员共享
“机器人系统工具箱,我们无缝连接和控制机器人直接从算法在MATLAB开发,使我们能够减少开发时间。我们使用了时间我们获得进一步研究新触觉对象识别算法”。
Takamitsu松原,奈良科技学院
机器人可以通过触觉识别对象,而不是视觉线索有广阔的应用潜力,包括手术和救援行动。智能系统控制实验室的研究人员在奈良科技研究所(NAIST)在日本开发了算法,使灵巧机械手配备传感器来识别对象通过压力、振动和温度。对象识别算法采用主动学习方法:手执行一个动作如摩擦、挤压,或把对象,获取触觉信息,它使用它的下一个行动计划。
NAIST研究人员使用MATLAB®和机器人系统工具箱™开发触觉对象识别的两种算法。第一次使用机器学习技术开发一个概率模型,从观察到的传感器数据。第二个使用学习模型来识别不同的物体。
“MATLAB让我们关注进行我们的研究,而不是编写代码,“第一说松原隆光NAIST助理教授。“通常当我们正在与一个新的机器人有一个冗长的代码编写阶段,但MATLAB和机器人系统工具箱使我们减少这一阶段,专注于改善主动触觉对象识别。”
挑战
解决方案
NAIST人员利用MATLAB和机器人系统工具箱开发触觉对象识别算法和完全自动化的工作流。
在MATLAB集团开发的初始版本的学习和目标识别算法。两种算法结合高斯过程潜变量模型,在MATLAB也发达。
全局优化工具箱的团队使用功能和优化工具箱™的学习算法来确定计划运动需要获取丢失的信息被学习的对象。
对象的识别算法,他们使用优化工具箱函数来确定将提供最有用的探索性行为新的信息对象。
之前测试算法在实际的机器人,研究人员使用数学模型,在MATLAB仿真目标对象生成输入数据。
他们加速模拟、优化和矩阵运算通过执行几个处理器的多核计算机上使用并行计算工具箱™。
为了建立一个和ROS-enabled影子机器人之间的通信算法,该团队使用机器人系统工具箱来访问机器人的ROS API直接从他们的MATLAB代码。
他们在算法调用机器人系统工具箱功能发布的手,指尖位置的机器人和订阅BioTac从机器人传感器数据。
NAIST团队完成开发的算法能够识别10个不同的对象。他们正在增强的版本,可以识别100个对象或更多。
结果
数以百计的手动步骤消除。“之前我们使用机器人系统与MATLAB工具箱,学习过程我们花了24小时才能完成,“Daisuke Tanaka说,在NAIST研究员和博士生。“现在的过程完全自动化,而不是整天站在机器人的前面,我们可以做我们的工作虽然没有我们完成了任务。”
机会尝试新算法思想增加。“毫无疑问,MATLAB和机器人系统工具箱使我们专注于我们的研究而不是编写c++代码,”田中说。“作为一个结果,我们有更多的时间去探索新算法。”
专业知识与其他学生和研究人员共享。”在我们的成功为我们的研究,使用MATLAB和机器人系统工具箱NAIST初级学生开始使用MATLAB与ROS-based机器人,“松原博士说。“使用MATLAB创建一个自动化的环境使我们在我们的知识传递给其他学生和研究人员。”
也seleccionar uno de来说《国家/语言: