NVIDIA新算法6-DoF GraspNet可助機器人拿起任意物體

外媒報導NVIDIA研究院在利用深度學習訓練各種任務模型方面取得了長足進展。最近該公司讓BERT實現了有史以來最快的訓練時間並還對有史以來最大採用轉型的模型進行了訓練。

然而正如預期的那樣，採用深度學習的算法首先需要一個龐大的數據庫，這在許多情況下是一種奢侈品。除了繼續使用深度學習進行研究外，該公司還將精力集中到了另一個方向。據悉NVIDIA在西雅圖機器人實驗室開發了一種新的算法--6-DoF GraspNet，其能讓機器人抓取任意物體。

6-DoF GraspNet的工作如下：機械手觀察物體並決定在6D空間（空間中的x、y、z坐標平面和旋轉三維空間）中移動到哪裡。該算法的設計方式是生成一組可能的握持器並根據需求進行移動。然後整個握持器通過一個“握持評估器”運行，該評估器會為每個可能的握持分配一個分數。最後握持評估器通過局部變換調整握持變量進而提高最佳握持的成功率。有趣的是研究人員並沒有選擇採用深度學習的方法，反倒是選擇了“綜合訓練數據”。NVIDIA在這當中使用的Nvidia FleX評估法是一種採用粒子的模擬技術，它可以即時生成視覺效果。

NVIDIA的研究人員表示，6-DoF GraspNet最大的優勢之一在於它可以用來抓取任意物體；其次是它的模組化，這使得它可以用於各種計算機視覺應用和運動規划算法；第三，它可以跟一個模型一起使用，該模型可根據各種物體的“點雲”來分配形狀，而這將能確保機械臂不會跟任何障礙物相撞。

消息來源