技術名稱 以深度學習為基礎之仿人型機器手臂控制與研製
計畫單位 國立臺灣海洋大學
計畫主持人 謝易錚
技術簡介
本主題目的為實現一套以深度學習為基礎的機器手臂平台,主要探討現今流行的深度學習技術如深度神經網路(Deep Neural Networks, DNN)、卷積神經網路(Convolutional Neural Networks, CNN)間的差異,並以最近出現的生成式對抗網路(Generative Adversarial Network, GAN)作為本主題主要研究方法,並利用上述三種方法建立機器人運動學,以運動學角度分析的GAN 與傳統主流模型間的優劣。
本主題以四個部份進行,分別為機器人平台硬體、控制、資料蒐集、深度學習建立運動學等。硬體部份由機器手臂與手臂平台組合而成,整體共具備10 個自由度,手臂可在自建的運動空間做移動。機器人視覺部份則利用Kinect v2 中的紅外線攝影機為主,透過自建的YOLO v3 模型並結合Kinect v2 內建的深度感測器(IR projector)做目標物檢測,在平台中檢測出目標物的空間座標(x, y, z)。
將該目標物空間座標作為本主題GAN 運動模型的輸入,並輸出一組機器手臂的關節角度,而機器人可透過關節角度移動,移動至目標物旁將其抓起,完成一套擁有辨識能力之人型機器手臂平台。
科學突破性
本主題使用多個深度學習網路架構組合而成,並以生成式對抗網路(Generative Adversarial Network, GAN)建立機器手臂的運動學,有效解決因環境或當前狀態不佳,導致傳統逆向運動學控制手臂輸出結果的誤差。
產業應用性
機器手臂在進行任務時,常會遇到求解逆向運動學的問題,在現實世界中,傳統逆向運動學控制手臂,會因環境或當前狀態不佳,影響整體輸出精度。
本主題將研究以合理的運動數據操控機器手臂,直接收集手臂各結構上之運動資料,訓練建置一套逆向運動學模型並額外融入了物件辨識模型,使機器人具備物品辨識能力。
關鍵字 人型機器手臂 生成對抗式網路 目標物檢測 深度學習 機器人運動學 深度類神經網路 嵌入式系統 人工智慧 卷積類神經網路 自動化機器手臂
備註
  • 聯絡人
  • 謝易錚
其他人也看了