रोबोट झटकों से ऑब्जेक्ट लक्षण सीखते हैं

एमआईटी, अमेज़ॅन रोबोटिक्स और ब्रिटिश कोलंबिया विश्वविद्यालय के शोधकर्ताओं ने एक विधि विकसित की है जो रोबोटों को किसी वस्तु के वजन, कोमलता या सामग्री के बारे में जानने की अनुमति देता है, जो धीरे से इसे हिलाकर।कैमरों या बाहरी उपकरणों की आवश्यकता के बिना, रोबोट सेकंड के भीतर किसी वस्तु के द्रव्यमान को निर्धारित करने के लिए आंतरिक सेंसर का उपयोग कर सकते हैं।यह कम लागत वाली तकनीक उन वातावरणों में फायदेमंद है जहां कैमरे काम नहीं कर सकते हैं, जैसे कि डार्क स्पेस में या आपदा वसूली के दौरान।

विधि का एक प्रमुख हिस्सा एक सिमुलेशन प्रक्रिया है जो रोबोट और ऑब्जेक्ट दोनों को मॉडल करती है, जो रोबोट को जल्दी से बातचीत के दौरान ऑब्जेक्ट विशेषताओं की पहचान करने में सक्षम बनाती है।तकनीक अधिक महंगी कंप्यूटर विजन विधियों के रूप में प्रभावी है।यह विभिन्न प्रकार के अनदेखी परिदृश्यों को संभालने के लिए पर्याप्त मजबूत है, जिससे यह विविध रोबोटिक अनुप्रयोगों के लिए एक बहुमुखी समाधान है।


संवेदी संकेत
शोधकर्ताओं की विधि प्रोप्रियोसेप्शन का उपयोग करती है, जो आंदोलन या स्थिति को समझने की क्षमता है, इसी तरह कि मनुष्य एक डम्बल के वजन को कैसे महसूस करता है।एक रोबोट अपने हाथ के जोड़ों के माध्यम से किसी वस्तु की भारीता को महसूस कर सकता है।जैसा कि रोबोट एक वस्तु को उठाता है, यह अपने संयुक्त एनकोडर से डेटा एकत्र करता है, जो अपने जोड़ों की स्थिति और गति को मापता है, जिससे विधि को टच या विज़न ट्रैकर्स जैसे अतिरिक्त सेंसर की आवश्यकता के बिना लागत प्रभावी बनाती है।सिस्टम रोबोट की गति और वस्तु के व्यवहार के लिए दो मॉडल का उपयोग करता है।रोबोट के आंदोलनों को ट्रैक करके और संयुक्त डेटा का उपयोग करके, एल्गोरिथ्म ऑब्जेक्ट के गुणों का पता लगाता है, जैसे कि एक भारी वस्तु एक ही बल के तहत एक लाइटर की तुलना में अधिक धीरे -धीरे कैसे चलती है।

अलग -अलग सिमुलेशन
तकनीक यह अनुमान लगाने के लिए अलग -अलग सिमुलेशन का उपयोग करती है कि किसी वस्तु के गुणों में परिवर्तन कैसे होता है, जैसे कि द्रव्यमान या कोमलता, रोबोट की अंतिम संयुक्त स्थिति को प्रभावित करती है।शोधकर्ताओं को एक अधिक शक्तिशाली मल्टीमॉडल सिस्टम के लिए कंप्यूटर विजन के साथ इस तकनीक को संयोजित करने की उम्मीद है।वे इसे नरम रोबोट जैसे अधिक जटिल रोबोट सिस्टम पर लागू करने का लक्ष्य रखते हैं, और स्लोसिंग तरल या दानेदार सामग्री जैसी वस्तुओं को संभालते हैं।अंततः, वे इस तकनीक को रोबोट लर्निंग को बढ़ाने की कल्पना करते हैं, जिससे रोबोट नए हेरफेर कौशल को विकसित करने में सक्षम होते हैं और बदलते वातावरण को जल्दी से अनुकूलित करते हैं।