یادگیری دست ربات ۵ انگشتی با استفاده از یادگیری عمیق به منظور گرفتن پایدار

دست انسان یکی از پیچیده ترین اندام های بدن انسان است که قادر به انجام وظایف ماهرانه می باشد. ماهرانه عمل کردن به ویژه گرفتن یک توانایی حیاتی برای ربات ها محسوب می شود. با این حال، گرفتن اشیاء توسط دست ربات یک مسئله چالش برانگیز است. بسیاری از محققان از روش های یادگیری عمیق و بینایی کامپیوتری برای حل این مسئله استفاده کرده اند. این مقاله یک دست ربات ۵ درجه آزادی انسان نما را ارائه می دهد. دست رباتیک با استفاده از پرینتر سه بعدی ساخته شده و برای حرکت انگشتان از ۵ سروو موتور استفاده می شود. به منظور سادگی دست رباتیک، سیستم انتقال مبتنی بر تاندون انتخاب شده که به انگشتان دست ربات اجازه خمش و کشش می دهد. هدف این مقاله استفاده از الگوریتم یادگیری عمیق برای گرفتن نیمه خودکار اشیای مختلف می باشد. در این راستا یک ساختار شبکه عصبی کانولوشن با بیش از ۶۰۰ تصویر آموزش داده می شود. این تصاویر توسط یک دوربین نصب شده بر روی دست ربات جمع آوری شده است. سپس عملکرد این الگوریتم در شرایط مشابه روی اشیای مختلف آزمایش می شود. در نهایت دست رباتیک قادر به گرفتن موفقیت آمیز با دقت ۸۵ درصد می باشد.

کلیدواژه ها:

Deep learning ، Grasping ، Convolutional neural network ، Robot hand ، Computer vision ، یادگیری عمیق ، گرفتن ، شبکه عصبی کانولوشن ، دست ربات ، بینایی کامپیوتر