Systemet, kallat Dex-Net 2.0, har utvecklats av forskare vid University of California, Berkeley. Den använder en algoritm för djupinlärning för att lära av sina misstag och förbättra sina greppförmåga med tiden.
I tester kunde Dex-Net 2.0 framgångsrikt greppa föremål av olika former och storlekar, inklusive en tandborste, en leksaksbil och en kopp kaffe. Systemet kunde också anpassas till olika typer av ytor, såsom ett bord, en bänkskiva och en bilbarnstol.
"Dex-Net 2.0 är en betydande förbättring jämfört med vårt tidigare system", säger medförfattaren Pieter Abbeel vid University of California, Berkeley. "Den kan lära sig av sina misstag mycket snabbare och effektivare, och den kan nu greppa föremål som skiljer sig ganska mycket från varandra i form och storlek."
Forskarna tror att Dex-Net 2.0 skulle kunna användas för att utveckla nya robotsystem som kan utföra en mängd olika uppgifter, som att plocka upp föremål, städa ett hus eller sätta ihop möbler.
En artikel som beskriver det nya systemet publicerades i tidskriften Science Robotics.
Hur Dex-Net 2.0 lär sig
Dex-Net 2.0 använder en djupinlärningsalgoritm som kallas förstärkningsinlärning för att lära sig att greppa objekt. Förstärkningsinlärning är en typ av maskininlärning som gör att ett system kan lära sig av sina misstag genom att belöna det för gott beteende och straffa det för dåligt beteende.
I fallet med Dex-Net 2.0 belönas systemet när det lyckas greppa ett objekt och straffas när det misslyckas. Systemet använder denna feedback för att justera sitt beteende över tid, tills det kan greppa objekt konsekvent.
Applikationer av Dex-Net 2.0
Forskarna tror att Dex-Net 2.0 skulle kunna användas för att utveckla nya robotsystem som kan utföra en mängd olika uppgifter, såsom:
* Plocka upp objekt: Dex-Net 2.0 skulle kunna användas för att utveckla robotsystem som kan plocka upp föremål av olika former och storlekar, såsom matvaror, verktyg eller leksaker.
* Städa ett hus: Dex-Net 2.0 skulle kunna användas för att utveckla robotsystem som kan rengöra ett hus, till exempel genom att dammsuga, damma och torka.
* Sätta ihop möbler: Dex-Net 2.0 skulle kunna användas för att utveckla robotsystem som kan montera möbler, till exempel genom att fästa skruvar, muttrar och bultar.
Forskarna undersöker för närvarande dessa och andra tillämpningar av Dex-Net 2.0. De tror att systemet har potential att revolutionera hur robotar interagerar med den fysiska världen.
