有没有将深度学习融入机器人领域的新尝试?

  • 时间:
  • 浏览:0
  • 来源:pk10官网

  现在深度学习这么火,大家都会想着看看能不能用到自己的研究领域里。所以,将深度学习融入到机器人领域的尝试也是有的。我就自己了解的两个方面(视觉与规划)来简单介绍一下吧。

  物体识别

  这个其实是最容易想到的方向了,比较DL就是因为图像识别上的成果而开始火起来的。

  这里可以直接把原来CNN的那几套网络搬过来用,具体工作就不说了,我之前在另一个回答amazon picking challenge(APC)2016中识别和运动规划的主流算法是什么?下有提到,2016年的『亚马逊抓取大赛』中,很多队伍都采用了DL作为物体识别算法。

  物体定位

  当然,机器视觉跟计算机视觉有点区别。机器人领域的视觉除了物体识别还包括物体定位(为了要操作物体,需要知道物体的位姿)。

  2016年APC中,虽然很多人采用DL进行物体识别,但在物体定位方面都还是使用比较简单、或者传统的算法。似乎并未广泛采用DL。

  当然,这一块也不是没人在做。我们实验室的张博士也是在做这方面尝试。我这里简单介绍一下张博士之前调研的一偏论文的工作。

  Doumanoglou, Andreas, et al. "Recovering 6d object pose and predicting next-best-view in the crowd."Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016.

  这个工作大概是这样的:对于一个物体,取很多小块RGB-D数据;每小块有一个坐标(相对于物体坐标系);然后,首先用一个自编码器对数据进行降维;之后,用将降维后的特征用于训练Hough Forest。

  这样,在实际物体检测的时候,我就可以通过在物体表面采样RGB-D数据,之后,估计出一个位姿。

  抓取姿态生成

  这个之前在另一个问题(传统的RCNN可以大致框出定位物体在图片中的位置,但是如何将这个图片中的位置转化为物理世界的位置?)下有介绍过,放两个图

  ↑ Using Geometry to Detect Grasp Poses in 3DPoint Clouds

  ↑ High precision grasp pose detection in dense clutter

  控制/规划

  这一块是我现在感兴趣的地方。

  简单地说,我们知道强化学习可以用来做移动机器人的路径规划。所以,理论上将,结合DL的Function Approximation 与 Policy Gradient,是有可能用来做控制或规划的。当然,现在的几个工作离取代原来的传统方法还有很长的距离要走,但是也是很有趣的尝试。

  放几个工作,具体可以看他们的paper。

  1.Learning monocular reactive uav control in cluttered natural environments

  ↑ CMU 无人机穿越森林

  2. From Perception to Decision: A Data-driven Approach to End-to-end Motion Planning for Autonomous Ground Robots

  ↑ ETH 室内导航

  3.Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection

  ↑ DeepMind 物体抓取

  4. End-to-end training of deep visuomotor policies

  ↑ Berkeley 拧瓶盖等任务

  有哪些难点

  1、在视觉领域,除了物体识别、还需要进行物体定位。这是一个 regression 问题,但是目前来看, regression 的精度还没办法直接用于物体操作,(可能是数据量还不够,或者说现在还没找到合适的网络结构),所以一般还需要采用ICP等算法进行最后一步匹配迭代。

  2、机器人规划/控制等方面,可能存在的问题就比较多了。我之前在雷锋网『硬创公开课』直播(运动规划 | 视频篇)的时候有提到我碰到的一些问题,这里简单列在下面:

  可观性问题

  简单地说,我们这些不做DL理论的人,都是先默认DL的收敛、泛化能力是足够的。我们应该关心的是,要给DL喂什么数据。也就是说,在DL能力足够强的前提下,哪些数据才能让我需要解决的问题变得可观。

  当然,目前的几个工作都没有提到这点,Berkeley的那个论文里是直接做了一个强假设:在给定数据(当前图像、机器人关节状态)下,状态是可观的。

  实际机器人操作中,系统状态可能跟环境有关(例如物体性质),所以这一个问题应该是未来DL用在机器人上所不能绕过的一个问题。

  数据量

  一方面,我们不了解需要多少数据才能让问题收敛。另一方面,实际机器人进行一次操作需要耗费时间、可能会造成损害、会破坏实验条件(需要人工恢复)等,采集数据会比图像识别、语音识别难度大很多。

  是否可解决

  直播的时候我举了个例子,黑色障碍物位置从左到右连续变化的时候,规划算法输出的最短路径会发生突变。(具体看视频可能会比较清楚)

  这对应于DL中,就是网络输入连续变化、但输出则会在某一瞬间突变。而且,最短路径可能存在多解等问题。

  DL的 Function Approximattion 是否能很好地处理这一状况?

  是吧,这几件事想想都很有趣,大家跟我一起入坑吧~

责编:李文瑶

猜你喜欢

特斯拉Model 3量产超预期 12月产能将达2万

【环球网科技综合报道】特斯拉CEO伊隆·马斯克日前宣布,该公司首批量产版Model3车型预计在月底正式与大家见面。马斯克在今天发布的一系列推文中提到:“Model3已经提前2周

2019-07-19

特斯拉将在澳大利亚建全球最大锂电池储能系统

【环球科技综合报道】据英国《每日邮报》7月7日报道,亿万富翁企业家埃隆•马斯克(ElonMusk)将要在南澳大利亚建一世界上最大的锂电池储能系统。此前,他还承诺不足百日便可完成

2019-07-19

特斯拉车祸再起 Autopilot反让用户失戒心?

【环球网科技综合报道记者 张之颖】特斯拉电动车再度在美国发生交通事故,驾驶员和4名路人受轻伤。尽管该驾驶员认为并非特斯拉Autopilot驾驶辅助系统导致该事故发生,他自己应该

2019-07-19

走出阴影!SpaceX成功发射“猎鹰9号”

【环球科技综合报道】据外媒1月15日报道,美国太空探索技术公司(SpaceX)成功发射“猎鹰9号”火箭,这是自去年9月损失惨重且复杂的发射台爆炸事故之后,SpaceX公司首次进

2019-07-19

SpaceX成功发射猎鹰9号,并成功收回一级火箭

据外媒(FLORIDATODAY)报道,SpaceX猎鹰9号火箭于美国东部时间19号上午9:38(北京时间19日晚10:39)从肯尼迪航天中心具有历史意义的39A发射台成功发射

2019-07-19