{"id":117272,"date":"2024-07-10T15:44:06","date_gmt":"2024-07-10T13:44:06","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/roboekskavator-obuchili-priczelno-shvyryat-kamni"},"modified":"2024-07-10T15:44:06","modified_gmt":"2024-07-10T13:44:06","slug":"roboekskavator-obuchili-priczelno-shvyryat-kamni","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/news\/roboekskavator-obuchili-priczelno-shvyryat-kamni","title":{"rendered":"Der Robo-Bagger wurde darauf trainiert, gezielt Steine zu werfen","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Erfahrenen Baggerfahrern ist der Trick bekannt, der es erm\u00f6glicht, den Inhalt der Schaufel au\u00dferhalb der Reichweite des Auslegers zu bef\u00f6rdern. Der mit einem neuronalen Netzwerk ausgestattete Robo-Bagger hat sich als flei\u00dfiger Sch\u00fcler erwiesen, der ebenfalls in der Lage war,<\/a><\/noindex> Steine gezielt weiter als die Reichweite des Auslegers zu werfen. Als N\u00e4chstes steht das Werfen von Sch\u00fcttg\u00fctern und die Erh\u00f6hung der Genauigkeit bei der Arbeit mit der Schaufel auf unterschiedlichen H\u00f6hen an.<\/p>\n

<\/center> \t\t\t\t
<\/center> \"Der <\/p>\n

\u00dcber den Trainingsprozess eines Neuro-Netzes f\u00fcr einen Robo-Bagger, das pr\u00e4zise mit dem Inhalt der Schaufel umgehen kann, berichteten Forscher der ETH Z\u00fcrich. Das auf verst\u00e4rkendem Lernen basierende Neuro-Netz wurde darauf trainiert, einen Ball und Steine auf einen bestimmten Punkt zu werfen, der au\u00dferhalb der Reichweite des Auslegers lag (bis zu 9,5 m bei einer Reichweite des Auslegers von 7,5 m). Solche Operationen werden der Robotik helfen, eine Vielzahl von Aufgaben mit geringerem Energieaufwand f\u00fcr Bewegungen zu bew\u00e4ltigen und gleichzeitig ihre Arbeit sicherer zu gestalten.<\/p>\n

Der Bagger f\u00fchrte mittels einer schwenkbaren Schaufel mit zwei Freiheitsgraden Greif- und Wurfbewegungen aus, die nicht starr an dem Ausleger befestigt war. Die W\u00fcrfe wurden sowohl geradlinig ausgef\u00fchrt, wenn nur der Ausleger aktiv war, als auch mit einer Drehung der Kabine. Im zweiten Fall war die Genauigkeit etwas geringer, aber in jedem Fall weichte das Geschoss nicht mehr als 30\u201340 cm von der Zielmarke ab. <\/p>\n

<\/center>
\r\n \"Video\r\n
<\/div>\r\n <\/div><\/center> <\/p>\n

Die Forscher trainierten das neuronale Netzwerk auf der Basis eines modifizierten 12-r\u00e4drigen 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 Steinbl\u00f6cken errichtet. Der Bagger bewertete selbst das Gleichgewicht der Steine und baute eine stabile Steinmauer. F\u00fcr pr\u00e4zise autonome Arbeiten im Gel\u00e4nde erstellt der Bagger mithilfe seiner installierten Sensoren ein Modell der Umgebung, in der er die gestellten Aufgaben ausf\u00fchrt.<\/p>\n

Quelle:<\/strong><\/p>\n