机器学习如何应用于协作机器人和工业机器人

机器学习正在提升协作机器人和工业机器人的能力。没有3D传感器或深度神经网络，机器人是盲目的，是一维的——它们被限制在一个预先编程的重复任务中，没有能力解释环境中的变量。这从本质上限制了机器人的生产潜力。

现在，有了视觉传感器和机器学习能力，协作机器人和工业机器人能够实现比它们自己所能实现的多得多的目标。

机器人和机器学习有什么可能?

最近，机器学习在机器人领域的应用来自加州大学伯克利分校(UC Berkeley)和西门子(Siemens)的DexNet 2.0机器人系统，该系统是去年开发的，用于拾取以前从未见过的零件。训练机器人在不掉落物体的情况下抓取物体需要大量的编程、练习和试错。

这个新的机器人系统利用3D传感器和深度学习神经网络，处理关于物体形状和外观的信息，以及如何抓取它。当机器人系统至少有50%的信心能够抓住一个新物体时，它的准确率是98%。如果信心低于50%，系统将进行快速视觉检查，然后以99%的准确率抓取零件。

这对机器人来说是一种全新的能力，可能会改变物料搬运机器人在商业应用中的部署和编程方式。

机器人学中使用了哪些类型的机器学习?

在工业机器人和协作机器人中有不同类型的机器学习。上面的例子是计算机视觉或机器人视觉的高级版本。从本质上说，用于图像捕捉的复杂光学设备为神经网络提供信息，以便机器人能够“看”。在大多数情况下，这转化为机器人引导，以避免碰撞，焊接过程中的焊缝跟踪，并确保零件被正确抓取。

机器人学中另一种引人注目的新型机器学习是模仿学习。基本上，在这种情况下，机器人可以通过演示如何完成任务来编程。例如，有人可以向一个协作机器人展示如何通过最初几次引导机械臂来抓住一个物体。通过这种方式，机器人将学会自己抓住物体。

机器人技术中还有其他类型的机器学习，如自我监督学习或多智能体学习，但模仿学习和计算机视觉是两种主要的方法。

机器学习为工业和协作机器人应用打开了全新的可能性，允许这两种类型的机器人执行以前不可能完成的任务。机器学习将对机器人的能力产生重大影响，有一天可能会成为所有机器人系统中的一个固定装置。

要了解更多关于机器人和机器学习的知识，请阅读我们的行业洞察文章，“为什么人工智能不会超越世界，但值得关注”。