视学算法报道
编辑:桃子 小咸鱼
文末包邮送5本价值百元的高质量机器学习技术书籍
还记得上次那个「全栈自研」的给葡萄缝针的钢铁侠机械臂Dummy吗?
国庆最后一天,知名「硬核」up主稚晖君展示了一款自己从零到一设计的小型高精度六轴机械臂Dummy。
视频一出,直接冲到B站排行榜前十,打开弹幕,满屏都是惊叹号。
「瑟瑟发抖」、「保存=会做」、「他竟然在试图教会我们」、「我看不懂,但大受震撼」,这些都代表了网友对这个机器人项目的震惊。
没想到,时隔一个半月,华为天才少年稚晖君的「机械臂Dummy」系列又更新了!
Dummy学会抓螺母
这次,稚晖君用Dummy做了个简单的AI视觉抓取demo,让机械臂Dummy学会了用机械臂抓取螺母。
机械臂好不容易将螺母放上去,又被稚晖君拿了下来。
怎么说呢,调试不等于调戏啊!
稚晖君介绍,目前用Dummy做了个简单的AI视觉抓取demo,从模型训练到部署只花了2个小时。
后面会把迁移学习功能加入上位机DummyStudio中,最终想实现的效果就是,可以用少量数据标注就自动生成端到端的模型来检测自定义物品。
同时用图形化的方式调用各种算法模块,配合后面的Dummy青春(低成本)版,应该可以用来做很多有趣的事。
有网友表示,「放一张螺母照片会怎样」?
真是应了那句话:「工程师最苦恼的就是你永远想不到客户会怎么使用你的产品」。
「钢铁侠」机械臂如何造
还是在一个月前,这台机械臂首次亮相。在给一颗葡萄完成包扎手术后,让许多网友惊呆!
其实,稚晖君想要打造的机械臂,是具备多种交互方式的。
这两只小爪子就叫做「力反馈夹爪」,不仅可以夹螺母,用来夹薯片也是不错的选择。
那么,这个机械臂是如何打造的?
首先是驱动方案设计,要知道电机,减速器,驱动器是制作机器人三大核心部件。
在电机的选择上,稚晖君主选步行电机,优点是精度比较高,缺点是高转速下力矩比较小。
为了解决这一问题,为电机配备一个减速器必不可少。有了减速器就可以降低速度转速,成倍增加输出力矩。
目前市面上常用的都是行星减速器,稚晖君在此项目中选择了工业机械臂里最常用的谐波减速。
电机和减速器确定后,稚晖君设计了一个步进电机的一体闭环驱动,以保证驱动的精度。并且体积也是最小的。
第二步便是结构设计,仅设计这张图就画了150个版本,最终的画风如下:
可以看到,这个机械臂一共使用了6个电机,6个谐波减速器。
机身主体采用的是铝CNC加工,装饰主件使用3D打印制作,还有所有电路都集成在主体上。
值得一提的是,机身的涂装特地采用的是鲜艳的红色,稚晖君说:「这是因为他希望自己的机器人一定要是中国红的颜色」。
接下来便是机械臂的电子系统。电路系统还是相当复杂,因为涉及到了电源模块、电机驱动,还有计算模块,通信系统等等。
稚晖君介绍这套机械臂用了12多个各种型号的MCU,并在机体上搭载了Wi-Fi、蓝牙等多种无线能力。
在电路方面,最主要的便是主控制器(采用冗余设计)和电机伺服驱动器(支持CAN总线&功率机联)。
控制器相当于机械臂的「小脑」,用来操控机械臂的动作、来实现各种功能。
最后就是空间定位装置了,也就是机械臂的「眼睛」,让机械臂能够看见、并操作需要完成的任务。
在这里便用到了双目视觉算法、AHRS系统和力传感系统,稚晖君通过双目识别算法让AI实现姿态估计类似操作。
经过一系列的组装,最后的效果就是这样,精度也十分令人满意!
而且,有了双目识别算法的加持,机械臂的动作就可以用手柄进行实时的操控,机器人也可以模仿人类的动作了。
它可以达到很多人手无法达到的效果,比如,软件去抖,运动范围的重映射,力矩增强。
更重要的是,这台Dummy是支持远程操控的,这下,可想象的空间就非常大了!
虽然现在看着缝的是葡萄皮,但Dummy配合上手术设备,这有可能就是未来远程手术室的雏形!
网友热评
有网友评论道:「太有感觉了,又想起了去年的英特尔杯,整个队伍折腾了好几个月,用的英特尔AI-Box和RGB-D深度相机,最后勉强实现了UR机械臂抓取大物品(而且经常抓不稳),摆放到指定位置,也能拿到国二。稚晖君机械臂自己做的,加上这精度,估计单单抓取这项功能就能稳国一了。」
「你懂的越多,才知道稚辉君有多强大。」
还有网友说:「光AI视觉这块就搞了大半年,更不要提造机器人了。」
稚晖君的Dummy机械臂未来还会添加哪些炫酷的功能,Dummy青春(低成本)版又是否能量产呢?
敬请期待稚晖君的下一条视频吧!
参考资料:
https://www.bilibili.com/video/BV1xY41147oh
— 完 —
我是阿广,一位无趣且逗比的中国科学院在读博士生,偶尔正经,偶尔变态,我也不知道我下一刻是什么鬼样子。
本文将从留言中精选置顶出5位走心评论的读者并每人送1本《机器学习算法入门与编程实践》
图书简介:本书对机器学习算法的基本原理和Python程序实现进行了系统的介绍-每种算法都采用Sklearn程序实现并用Matplotlib进行数据可视化。为了帮助读者更加高效、直观地学习-作者为本书录制了13个微课视频-读者可以用手机扫描书中的二维码进行观看-也可以将视频下载后进行观看。
本书共8章-包括机器学习概述、Python机器学习与可视化、关联规则与推荐算法、聚类算法、分类算法、回归与逻辑回归、人工神经网络、支持向量机等内容。
本书可以作为高等院校机器学习和人工智能概论等课程的教材-也可作为机器学习算法入门读者的自学用书-还可以作为人工智能等领域机器学习研究者和应用人员的参考书。
点个在看 paper不断!