NVIDIA提出6-DoF GraspNet運算框架 機器手臂抓取物體更準確 力道更適中

2019.09.14 01:53AM
是NVIDIA讓機器手臂更容易抓取空間中任一位置的物體,而且不會夾壞這篇文章的首圖

NVIDIA的6-DoF GraspNet運算框架運作模式,將可讓機器手臂透過影像識別方式判斷空間中的X、Y、Z軸座標,以及加入旋轉動作形成總計6個軸度數據,藉此能更快對應判斷位處不同空間位置的物體,也透過握持評估模式,讓機器手臂可透過不同力道測試,藉此評估可實際持握物體應使用力道,進而成功抓取物件,並且能避免施力過度而將物體夾碎的情況。

首圖

在現行針對機器手臂抓取真實場景中的物體過程中,通常會在機器手臂裝置攝影鏡頭,透過影像識別方式判斷物件所在,藉此調整機器手臂運作位置,但是最大難度則在於如何控制機器手臂抓取物體力道,而NVIDIA提出的6-DoF GraspNet運算框架,讓機器手臂能以更快效率學會如何抓取空間中任一位置的物體。

依照6-DoF GraspNet運算框架運作模式,將可讓機器手臂透過影像識別方式判斷空間中的X、Y、Z軸 (左右、前後、高低)座標,以及加入旋轉動作形成總計6個軸度數據,藉此能更快對應判斷位處不同空間位置的物體,避免物體位置改變後,機器手臂必須透過重新學習進行判斷,使得工作效率變慢。

就NVIDIA說明,在此運算框架運作模式下,機器手臂可以透過即時視覺判斷物體所在位置,其中更藉由基於粒子模擬運算技術的FleX評估模式,讓機器手臂可透過實際量測數據進行判斷,即便未事先進行深度學習訓練也能快速判斷物體實際位置。

另一方面,針對機器手臂抓取物體的部份也透過握持評估模式,讓機器手臂可透過不同力道測試,藉此評估可實際持握物體應使用力道,進而成功抓取物件,並且能避免施力過度而將物體夾碎的情況。

此項技術更可透過模組化應用在不同場景,甚至也能與其他運算框架並用,藉此讓機器手臂能以更精確動作完成任務。

這樣的應用,不僅能讓機器手臂能有更精準運作,更可讓機器手臂應用在貨物分類等應用時,可以減少機器手臂不當損壞貨品問題,藉此讓無人商店、智慧倉儲等應用更為普及。

相關消息

蘋果新聞
《F1》電影將破 3 億美元全球票房 成蘋果史上最高收益電影
Mash Yang
17 個小時前
關於android播放3gp內含AAC無法撥放問題
hanawa
15 年前
Xbox Game「Lips」Model
stoneip
16 年前
達梭系統收購搜尋應用平台公司 Exalead
news.tw
15 年前
HP引領資料中心結構、伺服器延展性和應用程式自動化的新潮流
news.tw
15 年前
快訊
日亞網友一致推薦 3 款 MUJI 收納神器,線材零食都可以收得乾淨
Shopping guide
1 天前
快訊
送給媽媽的夢幻逸品,日本 Vermicular IH 琺瑯電子鑄鐵鍋,現在下單再送專屬食譜書
Shopping guide
2 個月前
快訊
樂維 RK 藍牙無線機械鍵盤只要 2290,CP 未免也太高
Shopping guide
1 個月前
新奇搞笑
貨幣博物館「裝滿百萬美元的展示箱」被認真魔人破解其實超裝55萬
Twelve
2 天前