Новая тэхналогія дазваляе машынам рэзаць і чысціць гародніну любай формы
- 24.04.2026, 2:02
Робаты вучацца гатаваць.
Даследчыкі са Швейцарскага федэральнага тэхналагічнага інстытута ў Лазане (EPFL) сумесна з Навукова-даследчым інстытутам Idiap прадставілі метад, які дазваляе робатам апрацоўваць аб'екты няправільнай і выгнутай формы з беспрэцэдэнтнай дакладнасцю, перадае New Voice.
Новая сістэма вырашае адну з самых складаных праблем сучаснай робататэхнікі — здольнасць машын прыстасоўвацца да прадметаў, геаметрыя якіх пастаянна змяняецца, падобна да таго, як гэта робіць чалавек.
Традыцыйныя падыходы да аўтаматызацыі часта церпяць няўдачу, калі сутыкаюцца з няроўнымі паверхнямі або непоўнымі данымі з датчыкаў. Аднак швейцарская распрацоўка грунтуецца на стварэнні дынамічнай карты аб'екта ў выглядзе «воблака кропак». Сістэма вызначае ключавыя апорныя кропкі на паверхні, фарміруючы бесперапыннае поле арыентацыі. Гэта дазваляе робату ўспрымаць задачу — напрыклад, рэзанне або ачыстку — як універсальнае дзеянне, незалежнае ад канкрэтнага памеру або формы прадмета.
Падчас эксперыментальных выпрабаванняў робат, абсталяваны сістэмай машыннага зроку, датчыкамі глыбіні і зваротнай сувяззю па намаганні, прадэманстраваў уражлівыя вынікі. Машына паспяхова пераносіла атрыманыя навыкі на розныя прадукты: ад выгнутых бананаў да няроўных клубняў батату. Рабатызаваны маніпулятар выконваў складаныя кантактныя аперацыі, у прыватнасці зандзіраванне паверхні і дакладнае рэзанне, выкарыстоўваючы адны і тыя ж алгарытмы дзеянняў для зусім розных аб'ектаў.
Адметнасцю метаду з'яўляецца выкарыстанне прынцыпаў дыскрэтнай дыферэнцыяльнай геаметрыі і раўнання дыфузіі цяпла. Гэта дазваляе распаўсюджваць інфармацыю пра геаметрыю па ўсёй паверхні аб'екта нават пры наяўнасці «шумаў» або ў загрувастаным асяроддзі вакол. Выкарыстанне метадаў Мантэ-Карла забяспечвае хуткія вылічэнні без патрэбы ў стварэнні складаных трохмерных сетак, што дазваляе сістэме рэагаваць на змены ў рэжыме рэальнага часу.
Вынікі тэставання на 50 выпадкова дэфармаваных аб'ектах паказалі, што гэты падыход забяспечвае значна больш стабільныя траекторыі руху ў параўнанні з класічнымі метадамі навучання. Сістэма лёгка інтэгруецца з дыстанцыйным кіраваннем і алгарытмамі навучання з падмацаваннем, не патрабуючы працяглага перанавучання для кожнай новай задачы. Такі прагрэс у адаптыўнай маніпуляцыі адкрывае шлях да шырокага выкарыстання робатаў у харчовай прамысловасці, медыцыне і быце, дзе ўмовы працы пастаянна змяняюцца.