為了協(xié)助人類進行日?；顒硬⒊晒ν瓿杉覄?wù)，機器人應能有效操縱人們每天使用的物品。

然而，一些物體由于其形狀、靈活性或其他特性，很難被機械手抓取和處理，例如有褶皺的衣服。瑞士蘇黎世聯(lián)邦理工學院的研究人員最近引入了一種新的計算技術(shù)，可以將皺巴巴的布料可視化，幫助機器人規(guī)劃有效策略，以便在做家務(wù)時抓住布料并進行一系列操作。相關(guān)論文最新發(fā)表在預印本網(wǎng)站arXiv上。

為了在單視角網(wǎng)格上重建皺巴巴的布料，研究人員使用了一個基于圖形神經(jīng)網(wǎng)絡(luò)的模型。該算法旨在處理可以用圖形表示的數(shù)據(jù)。

研究人員匯編了一個數(shù)據(jù)集訓練其模型，其中包含超過12萬張合成圖像，這些圖像來自布料網(wǎng)格的模擬、渲染的頂級視頻RGBD布料圖像，以及在現(xiàn)實世界中捕獲的3000多張帶標簽的布料圖像。在對這兩個數(shù)據(jù)集進行大量訓練后，研究人員發(fā)現(xiàn)，模型只需從上方查看布料就可有效地預測整個布料頂點的位置。

為了評估模型的性能，研究人員進行了一系列測試。他們將模型應用到ABB YuMi機器人上，這是一個有兩只胳膊和兩只手的人形半身機器人。

在模擬和實驗中，他們的模型都能夠生成布料的網(wǎng)格，從而有效指導ABB YuMi機器人的運動，使它無論是用單手還是同時使用雙手，都能夠更好地握住和操縱各種布料。

研究人員匯編的數(shù)據(jù)集和模型的代碼是開源的，可以在GitHub上訪問。未來這項研究可能會為機器人領(lǐng)域的進一步發(fā)展鋪平道路，有助于讓移動機器人更好地幫助人類做家務(wù)，尤其是提高它們處理桌布和其他各種常用布料的能力。