您好, 歡迎來到化工儀器網(wǎng)
產(chǎn)品分類品牌分類
-
西門子可編程序控制器 西門子模擬量輸出輸入模塊 西門子數(shù)字量輸出輸入模塊 西門子通訊處理器模塊 西門子S7-1500 西門子SMART200 西門子S7-1200 西門子S7-400 西門子S7-300 西門子S7-200 西門子ET200S 6ES7153-1AA03-0XB0 6ES7307-1BA01-0AA0 6ES7307-1EA01-0AA0 6ES7307-1KA02-0AA0 6ES7952-0BA12-0XA0 6ES7972-0BA42-0XA0 6ES7972-0BB12-0XA0 6ES7972-0BA52-0XA0 6ES7972-0BB52-0XA0 6XV1830-0EH10 6XV1840-2AH10 6XV1830-3EH10
產(chǎn)品簡介
詳細(xì)介紹
西門子代理商 泰安西門子代理商 泰安西門子代理商
機械臂有望掌握快速學(xué)習(xí)的能力。西門子的研究人員正與加州大學(xué)伯克利分校合作，潛心研究機械臂如何充分利用云端來學(xué)習(xí)并教會自己執(zhí)行專業(yè)化任務(wù)。
相較于人類，機械臂的學(xué)習(xí)速度很慢。但是，基于西門子*研究院與加州大學(xué)伯克利分校正在合作開展的研究，機械臂掌握新技能的能力將迅速提高。以云端機械臂為例，這項技術(shù)有可能集諸多服務(wù)器之力來協(xié)助機械臂執(zhí)行任務(wù)。云計算讓機械臂在“思考”時不再*于使用本地計算資源，這為使用深度學(xué)習(xí)等計算密集型資源開啟了大門。借助云計算，工作人員還有可能充分利用開放源碼軟件和并行計算等帶來的好處。而令人振奮的是，云計算可以實現(xiàn)與其它自動化系統(tǒng)的知識分享且能及時更新數(shù)據(jù)。
對機械臂而言，拾取不同尺寸、形狀和重量的物體是一項極為困難的任務(wù)。在云端，高效的并行計算可被用于發(fā)現(xiàn)穩(wěn)健的抓取動作。
在加利福尼亞州伯克利，Juan L. Aparicio帶領(lǐng)著一個專門研究高級制造自動化技術(shù)的西門子研究團隊。他表示：“如今，機械臂只需要不斷重復(fù)拾取并放置相同物體。但在不久的將來，隨著制造業(yè)日益向小批量生產(chǎn)轉(zhuǎn)型，為抓取每一個新物體的動作給機械臂重新編程是不可行的。因此，如果機械臂要獨立‘想’出如何抓取新物體，就需要云的支持。”
系統(tǒng)間的知識分享
為此，Aparicio和他的團隊正潛心研究機械臂如何借云之力來學(xué)會抓取不熟悉的物體。Aparicio解釋道：“抓取是機械臂執(zhí)行的計算密度高的任務(wù)之一。如果能讓機械臂自主從云端搜索適當(dāng)?shù)膭幼?，它將弄明白如何更快、更高效地?zhí)行這項任務(wù)。”
加州大學(xué)伯克利分校的Dexterity Network（DexNet）平臺是一個基于云的抓取動作數(shù)據(jù)庫。在與DexNet平臺的合作中，西門子團隊提供了專門的制造技術(shù)知識，以及分享基于云的信息時用于保護(hù)重要知識產(chǎn)權(quán)的方法。加州大學(xué)伯克利分校的Ken Goldberg教授是DexNet平臺的負(fù)責(zé)人，他表示：“現(xiàn)在，我們正在集成視覺功能生成一個合成數(shù)據(jù)庫。這個數(shù)據(jù)庫中包含了650萬張含三維模型的圖片，而它們都與抓取有關(guān)。”
西門子團隊專注于在學(xué)術(shù)界與工業(yè)界之間搭起橋梁，他們也參與了加州大學(xué)伯克利分校Pieter Abbeel教授開展的一個相關(guān)項目。這個項目的重點是機械臂的深度強化學(xué)習(xí)。Abbeel表示：“深度強化學(xué)習(xí)已在游戲和模擬環(huán)境中大獲成功。在這個項目中，我們正在研究如何讓真實的機械臂在學(xué)習(xí)中取得同樣的成功。”Aparicio補充道：“這個項目是為數(shù)不多的幾個將深網(wǎng)用于控制物理系統(tǒng)的例子之一。我們正在設(shè)計控制器，以使機械臂通過少量編程學(xué)習(xí)執(zhí)行新任務(wù)。下一步，我們會將這兩方面的工作相結(jié)合，充分利用云端來實現(xiàn)系統(tǒng)間的知識分享，讓機械臂有能力在本地完成對知識的學(xué)習(xí)和歸納。”