基于主動探索的智能抓取機器人

近年來，電子商務(wù)的發(fā)展推動了物流產(chǎn)業(yè)項目的繁榮，物流市場收入預(yù)計在2021年達(dá)到224億美元。人力成本的快速上漲，使智能化的物流裝備在提G物流效率等方面的優(yōu)勢日漸突出。我國物流行業(yè)正在從勞動密集型轉(zhuǎn)向技術(shù)密集型，機器人代替人工是未來的趨勢。

目前，物流自動化的難點在于倉儲物流，80%的物流倉庫仍然依賴于人力。物流抓取通常是重復(fù)枯燥的，有時具有危險性，我們希望讓機器人來完成這樣的工作，讓人類勞動者投入到更有創(chuàng)造性的工作中。

學(xué)術(shù)界和工業(yè)界都在尋求解決方案，許多研究人員針對這一課題開展了工作。Andy Zeng 等人通過對整個場景的分析，提出了利用Affordance Map（一個包含每個抓取點的置信度的圖）來獲取抓取區(qū)域的方法，大大提G了抓取的效率。然而，由于環(huán)境通常是復(fù)雜和無結(jié)構(gòu)化的（例如混亂的場景），有時機器人很難找到合適的位置來抓住物體。

因此，我們研發(fā)了一種新型智能抓取機器人，結(jié)合深度強化學(xué)習(xí)方法，賦予機器人主動探索感知的能力，解決了Affordance Map方法的缺陷，使得機器人能夠改善抓取環(huán)境，提G了機器人在復(fù)雜環(huán)境下的抓取成功率。