138°

基于深度學習的3D機器人視覺,將賦予機器人認知能力!

  今日主題:《賦予機器人認知:基于深度學習的微鏈3D機器人視覺》

 

  分享嘉賓:北京微鏈道愛科技有限公司創始合伙人 張宇

 

  從事工業自動化的人都了解,傳統的作業方法就是將不確定性變成確定性,這是從業者要做的最重要的一件事。無論是培訓工人還是調整車間機械結構,從精度到節拍,最終是為了變成確定性,從而解決工業化大生產的需求。這是從第一工業革命開始,所有從業人員就已經在做的一件事,但現在卻發生了些微變化,就是整件事開始變得不確定了。

 

  在做一個工件的時候,可能需要不停地變換,這意味著對柔性生產的需求性增強,從業者需要解決更多更復雜的問題。由此,張宇先生展開了此次演講主題賦予機器人認知:——基于深度學習的微鏈3D機器人視覺。
 

基于深度學習的3D機器人視覺,將賦予機器人認知能力!


 

  機器學習是AI的原點,但有部分人對此也存在認識誤區,認為機器人視覺跟AI、人工智能、深度學習捆綁在一起只是為了聽起來覺得高端而已。張先生解釋道,其實人工智能其實并不復雜,并不是有些人理解的機器和人一樣。機器可以處理復雜事物的能力,或者讓機器應對不確定性,這其實就是人工智能最底層的技術,而人最大的智慧無非就是隨需而動、隨機應變。這是張宇先生對人工智能的理解。

 

  深度學習

 

  深度學習(Deep Learning, DL)是機器學習的技術和研究領域之一,通過建立具有階層結構的人工神經網絡(Artifitial Neural Networks, ANNs),在計算系統中實現人工智能 。由于階層ANN能夠對輸入信息進行逐層提取和篩選,因此深度學習具有表征學習(representation learning)能力,可以實現端到端的監督學習和非監督學習。通過多層處理,逐漸將初始的“低層”特征表示轉化為“高層”特征表示后,用“簡單模型”即可完成復雜的分類等學習任務。

 

  機器人視覺

 

  提及機器人視覺,不免會想到計算機視覺和機器視覺,很多人會把這三者弄混。計算機視覺是以圖片認知為基礎的科學,只通過圖片識別輸出結果,代表企業是谷歌。機器視覺多用于生產線上的質量檢測,普遍基于2D識別,被廣泛應用于3C電子行業,代表企業是康耐視。機器人視覺,是指不僅要把視覺信息作為輸入,而且還要對這些信息進行處理,進而提取出有用的信息提供給機器人。是為了讓機器人真正變成“機器人”,而不是機器臂。
 

基于深度學習的3D機器人視覺,將賦予機器人認知能力!


 

  傳統的機器臂只是自動化設備,是通過編程處理固定的動作,是不能處理具有變動性事物的能力。微鏈所做的就是機器人視覺,這要求機器人要擁有3D視覺,能處理三維空間里的三維物體問題,并且具有復雜算法,支撐機器人對位置、動作、軌跡等復雜信息的捕捉,這必須要依賴人工智能和深度學習來完成。

 

  認知機器人

 

  微鏈對下一代機器人取名為“認知機器人”。認知機器人通過微鏈通過2D相機或者3D相機,或者其他的傳感器等感知系統采集數據,發送到基于深度學習的WeRobotics認知算法的控制系統,再由控制系統接發送命令到機器臂,機械臂在執行命令時也需要保持高精度和高速度且具有可靠性。認知機器人還需要具備不斷學習的功能,無論是做檢測還是定位引導,當機器人做的次數越多,伴隨著數據的增長變化,機器人的準確性也會越高,這跟人的學習成長能力是類似的。
 

基于深度學習的3D機器人視覺,將賦予機器人認知能力!


 

  軟件定義機器人

 

  “軟件定義機器人”這是微鏈的口號,也是優勢之一,但這并不意味著軟件和硬件有何高低之分,軟件和復雜的機器人系統不能真正分開。高級工業機器人是復雜的系統,是由硬件和軟件與設備和諸如傳感器網絡、視覺系統、其他高級工業機器人和工廠控制自動化系統等其他系統緊密集成的,所以軟件不能被真正分開。張宇認為在未來的發展中,軟件和硬件要相互融合,同步發展,這樣才能實現對“不確定性”的解決。

 

  合作案例