进取的机器人学习对象操纵的基础

麻省理工学院的研究人员已经汇编了一个数据集，该数据集捕获了物理上推动数百个不同对象的机器人系统的详细行为。研究人员可以使用数据集(同类中规模最大，种类最多的)来训练机器人“学习”推动动力学，这对于许多复杂的对象操纵任务(包括重新定向和检查对象以及整齐的场景)都是至关重要的。

为了捕获数据，研究人员设计了一个自动化系统，该系统包括具有精确控制的工业机械手，3D运动跟踪系统，深度和传统相机以及将所有东西缝合在一起的软件。手臂推动模块化对象，这些对象可根据重量，形状和质量分布进行调整。对于每次推动，系统都会捕获这些特征如何影响机器人的推动。

名为“Omnipush”的数据集包含250个对象的250个不同的推送，总计大约62,500次唯一推送。例如，研究人员已经在使用它来建立模型，以帮助机器人预测物体在被推动时会降落在何处。

机械工程系(MechE)的研究生，第一篇描述Omnipush的论文的作者MariaBauza说：“我们需要大量丰富的数据来确保我们的机器人能够学习。”智能机器人和系统。“在这里，我们正在从真实的机器人系统中收集数据，并且[对象]的变化足以捕获推动现象的丰富性。这对于帮助机器人理解推动的工作原理并将该信息转换为其他类似信息非常重要。现实世界中的物体。”

加入Bauza的论文包括：FerranAlet和LinYen-ChenLin，计算机科学与人工智能实验室和电气工程与计算机科学系(EECS)的研究生;工程学院卓越教学教授TomasLozano-Perez;LeslieP.Kaelbling，松下计算机科学与工程系教授;EECS助理教授PhillipIsola;以及MechE副教授AlbertoRodriguez。