英伟达计划在10月/ 11月在韩国举行的2019年计算机视觉国际会议上展示新算法6-DoF GraspNet

分享到:

据外媒报道,英伟达研究院在利用深度学习训练各种任务模型方面取得了长足进展。最近,该公司让BERT实现了有史以来最快的训练时间并还对有史以来最大的基于转型的模型进行了训练。

然而正如预期的那样,基于深度学习的算法首先需要一个庞大的数据集,这在许多情况下是一种奢侈品。除了继续使用深度学习进行研究外,该公司还将精力集中到了另一个方向。据悉,英伟达在西雅图机器人实验室开发了一种新的算法--6-DoF GraspNet,其能让机器人抓取任意物体。

6-DoF GraspNet的工作如下:机械手观察物体并决定在6D空间(空间中的x、y、z坐标平面和旋转三维空间)中移动到哪里。该算法的设计方式是生成一组可能的握持器并根据需求进行移动。然后,整个握持器通过一个“握持评估器”运行,该评估器会为每个可能的握持分配一个分数。最后,握持评估器通过局部变换调整握持变量进而提高最佳握持的成功率。整个过程如下图所示:

有趣的是,研究人员并没有选择基于深度学习的方法,反倒是选择了“综合训练数据”。英伟达在这当中使用的Nvidia FleX评估法是一种基于粒子的模拟技术,它可以实时生成视觉效果。下面这张动图展示了握持的进化过程:

英伟达的研究人员表示,6-DoF GraspNet最大的优势之一在于它可以用来抓取任意物体;其次是它的模块化,这使得它可以用于各种计算机视觉应用和运动规划算法;第三,它可以跟一个模型一起使用,该模型可根据各种物体的“点云”来分配形状,而这将能确保机械臂不会跟任何障碍物相撞。

据悉,英伟达计划在10月/ 11月在韩国举行的2019年计算机视觉国际会议上展示这套6-DoF GraspNet。

 

 

了解更多:

访问STM32中文官网STM32中文社区

STM32中文资料、 STM32参考设计ST MCU技术培训STM32开发板活动

STM32单片机微信:
 

 

继续阅读
英伟达计划在10月/ 11月在韩国举行的2019年计算机视觉国际会议上展示新算法6-DoF GraspNet

据外媒报道,英伟达研究院在利用深度学习训练各种任务模型方面取得了长足进展。最近,该公司让BERT实现了有史以来最快的训练时间并还对有史以来最大的基于转型的模型进行了训练。

5G+机器人,远程手术成为现实!

远程手术有望成为无线网络技术和机器人技术的宝贵应用

儿童智能陪伴机器人井喷式发展,为什么这么受欢迎?

2019年, 被视为儿童机器人元年。智能陪伴机器人崭露头角,随后儿童机器人被更多人熟知,并开始井喷式发展。

Temi机器人或许是你的下一位家庭成员

最近发现了一个非常厉害的现象:最早一批的80后,还有一年就40岁了!90后,也早已被00后冠上“老年人”的称号。

Window Wizard机器人——在清洁玻璃的同时自动在玻璃上移动

虽然在家中清洁窗户玻璃可能并不困难,但当家中拥有大量大尺寸窗户的房屋中,这可能具有挑战性。Window Wizard机器人设计用于在清洁玻璃的同时自动在玻璃上移动。