Robo-picker grasps and packs

Article（1200 words）

news.mit.edu

Video

Abstract

現在，MITとプリンストン大学のエンジニアは，倉庫での製品の整理や，災害エリアからの瓦礫や破片の除去など，選別作業や分類作業の支援するロボットと同様に，家事作業を支援することができるロボットシステムを開発している．

この開発チームの"pick-and-place"システムは，一般的な産業用ロボットアームでできており，彼らはそこにカスタムグリッパーと吸引カップを取り付けている．彼らは，ピッキングする前に対象物が何であるのか分からなくても，対象物の中央を掴む，または吸引する最良の方法を決定することを可能にする，"object-agnostic"という把持アルゴリズムを開発した．

ロボットは対象物を掴んだら，容器から持ち上げる．それから，カメラが様々な角度から対象物の写真を撮影する．ロボットは，最も近いものを見つけるために，ライブラリの画像と撮影された対象物の画像とを比較する．このようにして，ロボットは対象物を認識し，別の容器に積んでいく．

一般的に，他のピッキング技術と比較して，「掴んでから認識する」のが効果的な順序であることがわかった．

今日，ほとんどの産業用ピッキングロボットは，組立ラインから自動車の部品を掴むなど，常に同じように，慎重に調整された特定の繰り返しタスクを行うためだけに設計されている．

開発チームのロボットは，掴んだ後に対象物を「認識する能力と分類する能力」という２つの操作に基づいて設計されている．

開発チームは，ロボットの実験を何百回も繰り返し，ピッキングの成功と失敗のライブラリを作成し，「深層ニューラルネットワーク」に組み込んだ．

我々は，ロボットが対象物を見るだけで，把持・吸引可能かを予測するシステムを開発した．

開発チームは分類システムも開発した．彼らはまず，小売業者のウェブサイトなどから取得した製品画像のライブラリを作成した．その後，各画像に対して正しい識別情報をラベリングし，与えられた画像を正しいラベルに関連付ける学習アルゴリズムを開発した．

結果的に，開発チームのロボットは，吸引の成功率が54%，把持の成功率が75%，新しい物体の認識率は100%だった．

開発チームは，真っ先にスピードと反応性についてさらに改善していくつもりである．私たち人間は物をピッキングする際，わずかな調整を行っている．この反応的なピッキングの方法を見つけ出すことが，われわれが興味を抱いている重要な技術の１つである．

Words