Dex-Net 2.0이라는이 시스템은 버클리 캘리포니아 대학교의 연구원들이 개발했습니다. 딥 러닝 알고리즘을 사용하여 실수로부터 배우고 시간이 지남에 따라 파악 기술을 향상시킵니다.
테스트에서 Dex-Net 2.0은 칫솔, 장난감 자동차 및 커피 한 잔을 포함한 다양한 모양과 크기의 물체를 성공적으로 파악할 수있었습니다. 이 시스템은 또한 테이블, 조리대 및 카시트와 같은 다양한 유형의 표면에 적응할 수있었습니다.
버클리의 캘리포니아 대학교 (University of California)의 공동 저자 인 피터 애 빌 (Pieter Abbeel)은“Dex-Net 2.0은 이전 시스템보다 크게 개선되었습니다. "실수로부터 훨씬 빠르고 효율적으로 배울 수 있으며, 이제 모양과 크기가 서로 다른 물체를 파악할 수 있습니다."
연구원들은 Dex-Net 2.0이 물건을 집어 올리거나 집 청소 또는 가구 조립과 같은 다양한 작업을 수행 할 수있는 새로운 로봇 시스템을 개발하는 데 사용될 수 있다고 생각합니다.
새로운 시스템을 설명하는 논문은 Science Robotics 저널에 발표되었습니다.
Dex-Net 2.0이 학습하는 방법
Dex-Net 2.0은 강화 학습이라는 딥 러닝 알고리즘을 사용하여 물체를 파악하는 방법을 배우십시오. 강화 학습은 시스템이 실수로부터 좋은 행동을 위해 보상하고 나쁜 행동을 위해 처벌함으로써 실수로부터 배울 수있는 기계 학습 유형입니다.
DEX-NET 2.0의 경우, 시스템은 물체를 성공적으로 파악하고 실패 할 때 처벌을받을 때 보상을받습니다. 이 시스템은이 피드백을 사용하여 객체를 일관되게 파악할 수있을 때까지 시간이 지남에 따라 동작을 조정합니다.
DEX-NET 2.0 의 응용
연구원들은 DEX-NET 2.0이 다음과 같은 다양한 작업을 수행 할 수있는 새로운 로봇 시스템을 개발하는 데 사용될 수 있다고 생각합니다.
* 개체 선택 : Dex-Net 2.0은 식료품, 도구 또는 장난감과 같은 다양한 모양과 크기의 물체를 선택할 수있는 로봇 시스템을 개발하는 데 사용될 수 있습니다.
* 집 청소 : Dex-Net 2.0은 진공 청소기, 먼지 및 걸레와 같은 집을 청소할 수있는 로봇 시스템을 개발하는 데 사용될 수 있습니다.
* 가구 조립 : Dex-Net 2.0은 나사, 너트 및 볼트를 부착하는 것과 같이 가구를 조립할 수있는 로봇 시스템을 개발하는 데 사용될 수 있습니다.
연구원들은 현재 DEX-NET 2.0의 이러한 응용 프로그램 및 기타 응용 프로그램을 탐색하고 있습니다. 그들은이 시스템이 로봇이 물리적 세계와 상호 작용하는 방식을 혁명 할 수 있다고 생각합니다.
