Dex-net es un manipulador robótico. Utiliza una red neuronal convolucional de calidad de agarre para aprender a agarrar objetos con formas inusuales. [1] [2]
Dex-net fue desarrollado por el profesor Ken Goldberg de la Universidad de California en Berkeley y el estudiante graduado Jeff Mahler. [1]
Dex-net incluye un sensor 3D de alta resolución y dos brazos, cada uno controlado por una red neuronal diferente . Un brazo está equipado con una pinza de robot convencional y otro con un sistema de succión. El software del robot escanea un objeto y luego le pide a ambas redes neuronales que decidan, sobre la marcha, si agarrar o succionar un objeto en particular. Funciona en una máquina industrial lista para usar fabricada por la empresa suiza de robótica ABB . [1]
El software aprende al intentar recoger objetos en un entorno virtual. Dex-Net puede generalizar a partir de un objeto que ha visto antes a uno nuevo. El robot puede "empujar" tales objetos virtuales para examinarlos si no está seguro de cómo agarrarlos. El conjunto de datos de prueba fue de 6,7 millones de nubes de puntos, captaciones y métricas de captación analíticas generadas a partir de miles de modelos 3D. Los agarres se definen como la posición plana, el ángulo y la profundidad de una pinza en relación con un sensor RGB-D. [2]
Una métrica llamada selecciones medias por hora (MPPH) se calcula multiplicando el tiempo promedio por selección y la probabilidad promedio de éxito para un conjunto específico de objetos. La nueva métrica permite que los laboratorios que trabajan con robots de recolección comparen sus resultados. [1]
Los humanos son capaces de alcanzar entre 400 y 600 MPPH. En un concurso organizado por Amazon recientemente, los mejores robots eran capaces de hacer entre 70 y 95. Dex-net ha conseguido entre 200 y 300. [1]