Роботу онлайн-магазинів прискорять за допомогою дворуких роботів. Вчені з Каліфорнії розробили новий механізм розподілу і упаковки предметів, який може бути ефективно застосований роботами на великих комерційних складах.

Електронна комерція продовжує розвиватися, досягнувши нових рівнів після недавнього святкового сезону. Для оперативного виконання величезного обсягу різноманітних замовлень такі компанії, як Amazon, Walmart та Alibaba, роблять чималі вкладення в свої склади. Багато компаній розглядають роботів в якості заповнення відсутньої робочої сили. Однак робототехніка поки не дуже добре справляється з великою різноманітністю продуктів, інформує Ukr.Media.

У статті, опублікованій в журналі Science Robotics, інженери з Каліфорнійського університету в Берклі представили новаторський «двурукий» підхід до роботи з продуктами різних форм, без попередньої підготовки.

«Жодний одиничний захват не може впоратися з усіма об'єктами, - говорить дослідник і провідний автор дослідження Джефф Малер. - Наприклад, присоска не може поставити печатку на пористих об'єктах на зразок одягу, а маніпулятори з двома паралельними щелепами не можуть взяти деякі інструменти або іграшки за обидві сторони».

Роботизовані системи, використовувані в більшості центрів електронної комерції, засновані на вакуумних захватах, які можуть обмежувати діапазони здобутих ними об'єктів. У новій роботі вчені представили «дворукий» підхід, сумісний з різними типами маніпуляторів. Цей підхід заснований на поширеній «функції винагороди» для кожного типу маніпуляторів, який розраховує ймовірність успішного виконання завдання кожним захватом. Це дозволяє системі швидко вирішувати, який маніпулятор використовувати в певній ситуації. Для ефективного розрахунку функції винагороди для всіх типів маніпуляторів у статті описано процес навчання функцій винагороди за допомогою тренування на великих синтетичних наборах даних.

Коли дослідники тренували функції винагороди для маніпулятора з паралельними щелепами і маніпулятора з присоскою у дворукого робота, вони виявили, що їхня система очистила кошики з 25 незнайомими об'єктами зі швидкістю вище 300 об'єктів за годину з 95-відсотковою надійністю.

«Коли ви на складі збираєте пакети для доставки, об'єкти сильно розрізняються, - говорить Кен Голдберг з Каліфорнійського університету в Берклі. - Нам потрібні різні захвати для роботи з різними предметами».