具有机器人任务特定的头的共享密集网络制造技术

一种方法包括从机器人设备上的相机接收表示机器人设备的环境的图像数据。该方法进一步包括将经训练的密集网络应用于图像数据以生成一组特征值，其中经训练的密集网络已被训练来完成第一机器人视觉任务。该方法另外包括将经训练的任务特定的头应用于该组特征值以生成任务特定的输出从而完成第二机器人视觉任务，其中经训练的任务特定的头已被训练来基于先前由经训练的密集网络生成的特征值完成第二机器人视觉任务，其中第二机器人视觉任务不同于第一机器人视觉任务。该方法还包括，基于为完成第二机器人视觉任务而生成的任务特定的输出，控制机器人设备在该环境中操作。控制机器人设备在该环境中操作。控制机器人设备在该环境中操作。

Shared dense network with robot task specific head

【技术实现步骤摘要】
【国外来华专利技术】具有机器人任务特定的头的共享密集网络
[0001]相关应用的交叉引用
[0002]本申请要求于2019年12月17日提交的美国专利申请第16/717,498号的优先权，该专利的全部内容通过引用并入本文。


技术介绍

[0003]随着技术的进步，正在创建各种类型的机器人设备来执行可以帮助用户的各种功能。机器人设备可用于涉及材料处理、运输、焊接、组装和分配等的应用。随着时间的推移，这些机器人系统的操作方式正变得更加智能、高效和直观。随着机器人系统在现代生活的许多方面变得越来越普遍，希望机器人系统高效。因此，对高效机器人系统的需求已助于在执行器、运动、传感技术以及部件设计和组装方面开辟创新领域。

技术实现思路

[0004]示例实施例涉及共享密集网络，例如特征金字塔网络(FPN)，该网络与任务特定的头组合以完成不同的机器人视觉任务。
[0005]在一个实施例中，一种方法包括从机器人设备上的相机接收表示机器人设备的环境的图像数据。该方法进一步包括将经训练的密集网络应用于图像数据以生成一组特征值，其中经训练的密集网络已被训练来完成第一机本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：从机器人设备上的相机接收表示所述机器人设备的环境的图像数据；将经训练的密集网络应用于所述图像数据以生成一组特征值，其中所述经训练的密集网络已被训练来完成第一机器人视觉任务；将经训练的任务特定的头应用于该组特征值以生成任务特定的输出从而完成第二机器人视觉任务，其中所述经训练的任务特定的头已被训练来基于先前由所述经训练的密集网络生成的特征值完成所述第二机器人视觉任务，其中所述第二机器人视觉任务不同于所述第一机器人视觉任务；以及基于为完成所述第二机器人视觉任务而生成的所述任务特定的输出，控制所述机器人设备在所述环境中操作。2.根据权利要求1所述的方法，其中所述经训练的密集网络是特征金字塔网络(FPN)。3.根据权利要求1所述的方法，还包括周期性地再训练所述经训练的任务特定的头而不改变所述经训练的密集网络。4.根据权利要求1所述的方法，其中所述经训练的密集网络比所述经训练的任务特定的头具有更多的网络层。5.根据权利要求1所述的方法，其中所述经训练的密集网络已使用来自一个或多个其他机器人设备的图像数据来训练，所述一个或多个其他机器人设备具有与所述机器人设备的相机相同或类似的相机。6.根据权利要求1所述的方法，其中所述第一机器人视觉任务涉及确定区域是否是机器人可操纵的。7.根据权利要求1所述的方法，其中所述第一机器人视觉任务涉及确定第一类型的机器人操纵是否可在所述环境上执行，并且所述第二机器人视觉任务涉及确定第二类型的机器人操纵是否可在所述环境上执行。8.根据权利要求7所述的方法，其中所述第一类型的机器人操纵涉及第一机器人操纵器，并且所述第二类型的机器人操纵涉及第二机器人操纵器。9.根据权利要求1所述的方法，其中所述经训练的任务特定的头是与检测、分割和分类各个功能相对应的至少三个经训练的任务特定的头中的一个。10.根据权利要求1所述的方法，其中针对所述经训练的任务特定的头的所述第二机器人视觉任务涉及确定对象是否被所述机器人设备的一部分部分遮挡。11.根据权利要求1所述的方法，其中针对所述经训练的任务特定的头的所述第二机器人视觉任务涉及确定对象是否在所述机器人设备的夹持器中。12.根据权利要求1所述的方法，其中所述经训练的任务特定的头是与识别多个相应的对象类型相对应的多个经训练的任务特定的头中的一个。13.根据权利要求12所述的方法，其中所述多个相应的对象类型包括至少...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：X开发有限责任公司，
类型：发明
国别省市：