机器人辅助喂食系统的咬合获取框架甜梅号

机器人辅助喂食系统的咬合获取框架

根据美国人口普查局发布的一项调查，约有1,230万美国人在日常生活活动或日常生活工具活动方面需要援助，其中一项是喂养。

机器人可以为严重残疾患者提供极大帮助，使他们能够在不依靠其他人持续帮助的情况下进餐和完成其他日常任务。

考虑到这一点，华盛顿大学个人机器人实验室的Siddhartha Srinivasa教授领导的一组研究人员一直在尝试开发一种机器人辅助的喂食系统，该系统可以自动从盘子中拾取食物并将其喂给人类用户

在arXiv上预先发表的最新论文中，研究人员介绍了一种咬合获取框架，该框架旨在计算并获得盘子或碗中食物的合理“咬合”。

进行这项研究的研究人员之一Tapomayukh Bhattacharjee对TechXplore表示：“作为实验室，我们非常热衷于开发可以为人们的日常生活提供帮助的机器人。”

“通过这个项目，我们希望开发能够自动为人们提供食物的机器人。为给人们提供各种各样的食物，机器人需要具备获取以前看不见的食物的能力。在本文中，我们着重于解决问题。咬住以前看不见的食物。”

开发机器人辅助进料系统时的关键挑战是确保这些机器人可以有效地捡拾遇到的所有食物。这可能很难实现，因为不同的食品具有多种物理特性，因此需要不同的获取策略。理想情况下，即使是以前从未遇到过的食物，机器人辅助的饲喂系统也应能够拾取食物。

为了更好地了解哪种获取策略最适合特定类型的食物，Bhattacharjee和他的同事从2450种机器人叮咬获取试验中收集了使用16种具有不同属性的食物的数据。当他们分析这些数据时，他们意识到具有相似物理特性的物品表现出相似的采集成功率，这使得将采集策略推广到以前看不见的物品变得更加容易。

他们的分析还提供了对其他因素如何影响机器人从盘子上捡起食物的成功的见解。

基于这些观察结果，研究人员开发了一种叮咬获取框架，该框架在分层结构中使用了两个不同的神经网络。第一个网络称为RetinaNet，它分析包含不同类型食物的整版图像，然后输出单个项目周围的边界框。第二个网络SPANet使用这些边界框来计算不同食物的不同咬合动作和串扰轴的成功概率。

“为了输出成功概率，SPANet还使用了与食品周围环境相关的功能，因为我们发现周围环境会影响机器人对动作的选择以及成功率，” Bhattacharjee解释说。“为了对环境特征进行编码，我们开发了一种环境分类器，可将物品识别为处于以下三种环境之一：隔离的，靠近盘子边缘或其他食物的物品或位于其他食物的顶部。”

研究人员将其框架应用于JACO机械臂，并在包含各种食品的整洁和杂乱的盘子上进行了一系列实验，评估了其性能。这些测试产生了非常有希望的结果，他们的方法成功地概括了以前看不见的食品的串串策略。

Bhattacharjee说：“我们的网络SPANet可以成功地将行动推广到具有类似咬人行动分布的先前未见过的食品。” “实际上，这意味着给定机器人从未见过的新食品，如果可以通过类似的操作来获取新食品，我们的网络应该能够推断出如何成功地从盘子/碗中获取食品。”

将来，Bhattacharjee和他的同事开发的咬合获取框架可以帮助开发更高效的机器人辅助饲喂系统。同时，研究人员计划扩展其方法的咬合捕获动作，因为这将允许以其框架为动力的机器人拾取更多种类的食物，包括大米和土豆泥。

Bhattacharjee说：“我们也有兴趣探索获取以前看不见的食物的方法，这些食物与机器人看到的食物相比需要非常不同的动作才能捡起它们。”

江苏WE-1000B数显液压式万能试验机

液压万能试验机生产厂家

钢筋反复弯曲试验机

WDS10M万能材料试验机

材料试验机WDW-5厂家