0
| 本文作者： 汪思穎 | 2018-10-23 10:18 |
雷鋒網(wǎng) AI 科技評論消息，IROS 2018 于當?shù)貢r間 10 月 1-5 日在西班牙馬德里召開，會上，來自新加坡松下研究院申省梅團隊、新加坡南洋理工大學陳義明教授團隊的聯(lián)合團隊 Robotics.SG 獲得 IROS Mobile Manipulation Hackathon 挑戰(zhàn)賽冠軍。這一事件在雷鋒網(wǎng)旗下學術(shù)頻道 AI 科技評論數(shù)據(jù)庫產(chǎn)品「AI 影響因子」上有相應加分。
該項競賽要求所有參賽者統(tǒng)一使用西班牙 PAL 公司的移動機械手臂機器人 Tiago（Tiago 為西班牙語，表示「拿著它走吧」），每支參賽隊伍需根據(jù) Tiago 的功能定義自己的應用專題及機器人要完成的任務(wù)。任務(wù)越復雜就需要越高難度的技術(shù)，將技術(shù)集成在一起并順利完成任務(wù)的風險也會相應增加。
此次比賽中，申省梅、陳義明聯(lián)合團隊的應用場景如下：用 Tiago 機器人把客戶遺留在超市收銀臺的產(chǎn)品放回貨架。
申省梅對雷鋒網(wǎng)表示，根據(jù)每支參賽組提交的任務(wù)描述和 Tiago 在模擬器上實現(xiàn)的結(jié)果視頻評價，他們于 7 月成功晉級決賽。此后，他們開始對多種商品進行訓練樣本的收集和標注，重新訓練了一個商品檢測分類器。
決賽共有 6 支隊伍，每支隊伍有 30 分鐘的時間來展示移動操作機器人所要完成的任務(wù)。在決賽中，他們設(shè)計算法讓機器抓取商品，走到貨架區(qū)域并把 5 件產(chǎn)品依次放回不同貨架上。同時，現(xiàn)場用戶界面也向觀眾傳遞了機器人每完成的一個步驟的狀態(tài)與時間。
比賽結(jié)束之后，評委對比賽細節(jié)，尤其是技術(shù)核心以及創(chuàng)新等提出問題，以了解和確認每支比賽隊伍的技術(shù)水平、創(chuàng)新以及系統(tǒng)設(shè)計的魯棒性。
得分主要從以下三方面進行評估：
科學和技術(shù)質(zhì)量：0-5 分
演示的魯棒性：0-5 分
潛在的應用和比賽結(jié)果的影響：0-5 分
最終，綜合了應用性、系統(tǒng)設(shè)計、短時間內(nèi)集成和調(diào)試的能力、完成任務(wù)的多樣性和全面性、演示過程中展現(xiàn)出來的魯棒性等多個方面，他們團隊贏得專家團肯定，一舉奪冠。
據(jù)申省梅介紹，這次比賽中用到的關(guān)鍵技術(shù)如下：
第一，機器人從一點移動到另一點的路徑規(guī)劃，地圖建立和導航以及障礙物檢測和繞過等；
第二，機器人要能識別上千種商品并能按照商品所在貨架將其正確放回；
第三，針對不同商品，機器手需找到最佳抓取角度和方向，成功抓取商品。之后，再根據(jù)得到的位置信息，做出任務(wù)規(guī)劃，成功將商品放回貨架。
為了成功抓取商品，他們采用了較為通用和魯棒的設(shè)計方案，可以應用到各種抓取目標而不受限于抓取目標數(shù)據(jù)庫。整場比賽中，深度學習技術(shù)是尤為關(guān)鍵的一環(huán)。
獲勝過程并非一帆風順，申省梅也提到比賽中面臨的困境：
一是對 Tiago 的安裝測試只能從決賽前一周開始?！缸铋_始操作 Tiago 時，我們對它的性能和操作非常陌生，完全看不到成功的影子。最終，團隊成員協(xié)調(diào)配合做到半夜，才終于在最后一天演示成功?！?/p>
此外，比賽環(huán)境與測試環(huán)境不同，測試 Tiago 機器人的時間也極其有限。這也是比賽的目標之一——如何使設(shè)計的機器人盡快適應新的環(huán)境。針對這一挑戰(zhàn)，他們堅持不在現(xiàn)場更改算法，只調(diào)參數(shù)；在設(shè)計中，他們也考慮到環(huán)境因素，比如演示場地的大小、燈光變化、機器人的性能，做出了相應的出錯自動恢復措施。
每次比賽都是一場收獲之旅。在申省梅看來，通過此次比賽，既看到了他們團隊的實力和長處，也看到了需要改進的地方。「我們可以以此作為 POC，針對不同場景（超市、物流、工廠等），不斷提高和完善，向商業(yè)化邁進。」
談及參賽原因，申省梅說道，此次比賽不僅注重每支隊伍的技術(shù)水平，也重視競賽所產(chǎn)生的應用價值和商用可能性，更重視多項技術(shù)的集成，包括算法設(shè)計、軟件開發(fā)、硬件配合以及完成任務(wù)的魯棒性。這與他們的研究高度契合，他們希望通過此次比賽，發(fā)現(xiàn)問題，尋求突破，盡快讓技術(shù)實用化。
這也是 IROS 上諸多專家學者的觀點：競賽是一個很好的平臺，能及時發(fā)現(xiàn)問題并反饋給學術(shù)界和技術(shù)開發(fā)者，進一步尋求解決和突破，推動技術(shù)盡快落地。
「如何開發(fā)一個靈活性強的機器人，比如用增強學習算法來適應環(huán)境的改變；如何開發(fā)出不同環(huán)境下具有相同性能的機器人模塊，這些都是需要突破的地方。」
比賽官網(wǎng)：http://iros18-mmh.pal-robotics.com/
附新加坡松下研究院團隊簡介：
這一團隊有著 27 年的核心技術(shù)開發(fā)歷史，在研究院副院長申省梅帶領(lǐng)下，他們在音視頻信號的分析壓縮、攝像技術(shù)、三維重建、SLAM、導航定位、機器學習、深度學習、增強學習等多個領(lǐng)域核心技術(shù)研發(fā)上都有著非常深厚的技術(shù)積累。
2017 年，該團隊在美國 NIST IJB-A 人臉識別和微軟百萬名人人臉識別挑戰(zhàn)賽中榮獲冠軍；2018 年，他們在智慧城市異常交通狀況檢測比賽中獲得第一。
南大機器人團隊簡介：
南大機器人團隊在工業(yè)機器人領(lǐng)域有許多研究，在機器視覺、操作與抓取、運動規(guī)劃、末端執(zhí)行器設(shè)計等方面取得過多項成果。該團隊曾參加過亞馬遜 2015 與 2017 機器人比賽，以及 DHL2017 機器人比賽，獲得優(yōu)異成績。
福利！想知道此次比賽更多細節(jié)嗎？諸如：
為了讓機器人在不同環(huán)境下都能準確識別物體，商品識別檢測模型主要基于哪些算法，并需如何改進？
為了讓機器手成功抓取商品，如何設(shè)計出較為通用和魯棒的設(shè)計方案？
當演示場地大小、燈光、機器人的性能等因素發(fā)生變化，如何做出相應的出錯自動恢復措施？
在最終結(jié)果上，機器人每完成一個步驟的狀態(tài)與時間如何？與人的差距有多大？
11月，該團隊將在 AI 研習社公開課上，為大家?guī)硪陨蟽?nèi)容。
歡迎關(guān)注雷鋒網(wǎng) AI 研習社公開課，獲取更多干貨。(*^▽^*)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
