白金娱乐网 >> 唯丞

AmazonSageMakerRL工具管理机器人工作流程蔡国庆

2022-12-16

Amazon SageMaker RL工具管理机器人工作流程

亚马逊推出了SageMaker强化学习Kubeflow组件,这是一个开放源代码工具包,旨在帮助管理机器人工作流程。

SageMaker RL旨在加快开发机器学习功能的速度,从而涵盖从感知到控制和优化的所有方面。

Amazon SageMaker是一项基于Amazon在开发现实世界机器学习应用程序方面的二十年经验建立的服务SageMaker RL建立在SageMaker的基础上,添加了预打包的RL工具包,并与AWS RoboMaker包含的模拟环境集成。

SageMaker支持各种机器学习框架,包括TensorFlow,PyTorch和mxnet。

亚马逊在博客中写道:“机器人在社会中的用途越来越广泛,其用途越来越复杂,例如复杂的组装,挑选和包装,最后一英里交付,环境监测,搜索和救援以及辅助手术。” RL。“机器人学经常涉及训练复杂的行为序列。

RL是一种新兴的ML技术,可以帮助开发针对此类问题的解决方案。它无需复杂的训练数据即可学习复杂的行为,并且可以在为长期目标进行优化的同时做出短期决策。

“例如,当机器人与其环境互动时,这主要发生在模拟器中。机器人对其执行的动作会获得正面或负面的奖励。奖励由用户定义的函数计算,该函数输出应该激励的动作的数字表示。代理试图最大化正向奖励,因此该模型学习了决策的最佳策略。”

为了强调SageMaker RL的功能,亚马逊分享了一个有关澳大利亚天然气生产商Woodside Energy的案例研究。它使用机器学习方法进行机器人操纵。伍德赛德制造了一个机器人,里普利,该机器人执行“双重阻止和放气,即手动关闭泵的程序,其中涉及依次打开多个阀”。

Ripley包括来自Universal Robots的两个UR5协作机器人手臂,一个Clearpath Robotics Husky移动机器人底座,每个手腕上的Intel RealSense D435摄像头以及一个Kodak PixPro身体摄像头。

RL公式将关节状态和摄像机视图用作代理的输入,并输出用于阀门操纵的最佳轨迹。您可以在下面的视频中观看Ripley的演示,该演示执行了双重阻止,并且流血了。

“我们的团队和合作伙伴希望开始探索使用机器学习方法进行机器人操纵的方法,” Woodside Energy的机器人工程师Kyle Saltmarsh说。“在我们能够有效地做到这一点之前,我们需要一个框架,该框架将使我们能够有效地训练测试,调整和部署这些模型。

通过SageMaker和RoboMaker使用Kubeflow组件和管道为我们提供了这一框架,我们很高兴让我们的机器人专家和数据科学家将他们的精力和时间集中在算法和实现上。”

杭州最好的皮肤病专科

广州继发性不孕

保定哪家男科最好

南京专业治疗抑郁症医院

南昌哪里治疗白癜风好

友情链接