Dex-Net 2.0と呼ばれるこのシステムは、カリフォルニア大学バークレー校の研究者によって開発されました。深い学習アルゴリズムを使用して、間違いから学び、時間の経過とともに把握スキルを向上させます。
テストでは、Dex-Net 2.0は、歯ブラシ、おもちゃの車、コーヒーなど、さまざまな形やサイズのオブジェクトをうまく把握することができました。このシステムは、テーブル、カウンタートップ、カーシートなど、さまざまな種類の表面に適応することもできました。
「Dex-Net 2.0は、以前のシステムよりも大幅に改善されています」と、カリフォルニア大学バークレー校の共著者Pieter Abbeel氏は述べています。 「間違いからはるかに迅速かつ効率的に学ぶことができ、形とサイズがまったく異なるオブジェクトを把握できるようになりました。」
研究者は、DEX-NET 2.0を使用して、オブジェクトの拾い、家の掃除、家具の組み立てなど、さまざまなタスクを実行できる新しいロボットシステムを開発できると考えています。
新しいシステムを説明する論文がジャーナルScience Roboticsに掲載されました。
dex-net 2.0がどのように学習するか
DEX-NET 2.0は、Renection Learningと呼ばれる深い学習アルゴリズムを使用して、オブジェクトを把握する方法を学習します。強化学習は、システムが良い行動に報い、悪い行動のために罰することにより、システムが間違いから学ぶことを可能にする機械学習の一種です。
Dex-net 2.0の場合、システムはオブジェクトを正常に把握すると報われ、失敗したときに処罰されます。システムは、このフィードバックを使用して、オブジェクトを一貫して把握できるようになるまで、時間の経過とともに動作を調整します。
dex-net 2.0のアプリケーション
研究者は、DEX-NET 2.0を使用して、次のようなさまざまなタスクを実行できる新しいロボットシステムを開発できると考えています。
* オブジェクトのピックアップ： DEX-NET 2.0は、食料品、ツール、おもちゃなど、さまざまな形状やサイズのオブジェクトをピックアップできるロボットシステムを開発するために使用できます。
* 家の掃除： DEX-NET 2.0は、掃除機、ほこり、モッピングなど、家を掃除できるロボットシステムを開発するために使用できます。
* 家具の組み立て： Dex-Net 2.0は、ネジ、ナット、ボルトを取り付けるなど、家具を組み立てることができるロボットシステムを開発するために使用できます。
研究者は現在、Dex-Net 2.0のこれらおよびその他のアプリケーションを調査しています。彼らは、システムがロボットが物理的な世界と相互作用する方法に革命をもたらす可能性があると信じています。
