Erfahrenen Baggerfahrern ist der Trick bekannt, der es ermöglicht, den Inhalt der Schaufel außerhalb der Reichweite des Auslegers zu befördern. Der mit einem neuronalen Netzwerk ausgestattete Robo-Bagger hat sich als fleißiger Schüler erwiesen, der ebenfalls Steine gezielt weiter als die Reichweite des Auslegers zu werfen. Als Nächstes steht das Werfen von Schüttgütern und die Erhöhung der Genauigkeit bei der Arbeit mit der Schaufel auf unterschiedlichen Höhen an.
Über den Lernprozess des neuronalen Netzwerks des Robo-Baggers, das präzise mit dem Inhalt der Schaufel umzugehen weiß, berichteten Forscher aus der Schweiz (ETH Zürich). Das auf Verstärkungslernen basierende neuronale Netzwerk wurde darauf trainiert, einen Ball und Steine auf einen bestimmten Punkt zu werfen, der weiter als die Reichweite des Auslegers lag (bis zu 9,5 m bei einer Greifweite des Auslegers von 7,5 m). Solche Operationen werden der Robotik helfen, einen größeren Aufgabenbereich mit geringerem Energieaufwand für Bewegungen zu bewältigen und ihre Arbeit sicherer zu machen.
Der Bagger führte das Greifen und Werfen mit zwei Freiheitsgraden durch, die nicht fest am Ausleger montiert waren. Die Würfe erfolgten sowohl geradlinig, wenn nur der Ausleger in Verwendung war, als auch mit Drehung der Kabine. Im zweiten Fall war die Genauigkeit etwas geringer, aber in jedem Fall wich das Projektil nicht mehr als 30 bis 40 cm vom Zieltspunkt ab.
Die Forscher trainierten das neuronale Netzwerk auf der Basis eines modifizierten 12-rädrigen Baggers Menzi Muck M545. Zuvor hatten sie den Bagger eine Reihe von nicht-trivialen Operationen erlernen lassen, beispielsweise wie man eine stabile Wand aus ungeplanten Steinblöcken errichtet. Der Bagger bewertete selbst das Gleichgewicht der Steine und baute eine stabile Steinmauer. Für präzise autonome Arbeiten im Gelände erstellt der Bagger mithilfe seiner installierten Sensoren ein Modell der Umgebung, in der er die gestellten Aufgaben ausführt.
Quelle:
Quelle: 3dnews.ru
