学界 | UC伯克利发布一个低成本家居机器人,会叠衣服、会泡咖啡

2019 年 4 月 11 日 人工智能学家

BLUE 机器人叠毛巾,实际花费时间约 50 秒

来源:AI科技评论

加州大学伯克利分校 Pieter Abbeel 教授今天在推特公开宣布了伯克利机器人学习实验室最新开发的机器人 BLUE。这款机器人的特点是低成本(不到 5000 美元)、基于 AI 控制,而且可以在非结构化的环境中执行人类熟悉的日常活动,比如,叠一条毛巾。


Pieter Abbeel 是领域内著名的机器人学与机器学习专家,他目前是加州大学伯克利分校电子工程与计算机系教授、伯克利人工智能实验室(BAIR)联合主任、伯克利机器人学习实验室(UC Berkeley's Robot Learning Lab)主任。BLUE 机器人就是在伯克利机器人学习实验室开发,并由 Berkeley Open Arms 公司生产的。据 AI 科技评论了解,前几年 Pieter Abbeel 教授就曾在媒体报道中透露自己的团队在开发基于 AI 的低成本机器人,如今研发成果终于来到了我们面前。

BLUE 机器人论文宣传照


Pieter Abbeel 教授对它的描述是:「BLUE 是低成本、安全、能干的机器人,它的最初的设计中就带有 AI 理念」。具体来说,伯克利机器人学习实验室中的来自不同领域的超过 15  位研究人员为 BLUE 机器人开发了一个低成本类直驱驱动(Quasi-Direct Drive,QDD)控制器,构建了完整的设计范式,可以达成不受限的自动化控制;机器人可以支持流行的基于 AI 的控制方法;他们也为机器人自身的设计和机器人的生产过程做了详细考虑,以便降低它的成本。BLUE 机器人可以在非结构化的环境中学习,可以灵活地执行多种不同的任务,而且可以与人类互动。


完整的演示视频如下



技术参数方面,BLUE 机器人具有两只人类尺寸类似、运动方式也类似的手臂,每只手臂有 7 个自由度,载荷为 2kg。机器人的设计位姿控制带宽为 7.5Hz,重复定位精度不大于 4mm,这样的运动特性已经逼近甚至超过了人类操作人员的水平。机器人可以根据人类的演示学习(Learning from Demonstration),也可以以强化学习的方式学习。


BLUE 机器人是可以对外销售的,所以伯克利机器人学习实验室在开发时就考量了机器人的制造成本,并委托给 Berkeley Open Arms 制造,以便后续批量生产。对于批量生产后面向最终用户的价格,他们估计可以小于 5000 美元。机器人的设计、制造、先期测试都已经完成,现在他们在继续进行机器人的压力测试和量产准备。他们希望其他的研究人员都来购买并享受到 BLUE 机器人的妙处。


为了便于和其它研究者们交流机器人的技术细节,BLUE 机器人团队撰写了一篇论文《Quasi-Direct Drive for Low-Cost Compliant Robotic Manipulation》(低成本手性机器人的类直驱驱动,https://arxiv.org/abs/1904.03815),在论文中详细介绍了 BLUE 机器人的设计条件、符合上述条件的机械臂的设计和实现、机械臂的物理特性评估、制造过程设计以及生产成本分析,可以说是非常全面了。这篇论文也投稿到了 IEEE 国际机器人与自动化大会(ICRA)并被接收。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


登录查看更多
0

相关内容

【ACL2020】多模态信息抽取,365页ppt
专知会员服务
143+阅读 · 2020年7月6日
少标签数据学习,54页ppt
专知会员服务
197+阅读 · 2020年5月22日
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
24+阅读 · 2019年11月19日
镭神激光雷达成为全国大学生智能汽车竞赛指定专用雷达!
未来产业促进会
12+阅读 · 2019年2月27日
【机器人】机器人PID控制
产业智能官
10+阅读 · 2018年11月25日
免费中文版!谷歌机器学习速成课程今日上线!
AI科技评论
9+阅读 · 2018年3月1日
热烈祝贺南京某高校DGX-1深度学习超级计算机集群顺利交付
北京思腾合力科技有限公司
5+阅读 · 2017年11月18日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
UPSNet: A Unified Panoptic Segmentation Network
Arxiv
4+阅读 · 2019年1月12日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
8+阅读 · 2018年1月12日
VIP会员
相关VIP内容
【ACL2020】多模态信息抽取,365页ppt
专知会员服务
143+阅读 · 2020年7月6日
少标签数据学习,54页ppt
专知会员服务
197+阅读 · 2020年5月22日
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
24+阅读 · 2019年11月19日
Top
微信扫码咨询专知VIP会员