开发的深度学习机器人控制技术由以下技术组成：

在传统的机器人控制技术中，根据通过物体识别获得的信息，人工编程（轨道规划）物体方向和形状的所有可能动作。因此，在操作因接触而改变形状的不定形物体（如布或绳子）时，很难以编程方式描述所有情况。与此相对，本技术仅通过多次向机器人示教期望动作，就从机器人的视觉和触觉信息中自动提取应关注的信息（对象物的位置、方向等）和此时应采取的动作，在非典型作业中对新情况的操作现在可以在不编程的情况下执行。

自动提取轨道规划所需的信息的动作

从语言指示中估计指示对象和动作的联想技术

为了实现基于人的语言指令（语音和文本等人类可以理解的信息）的所需行为，所有语言指令和行为之间的关系都是人工编程的。因此，每次添加操作或对象时，都必须将其与语言指令关联。该技术学习机器人的行为、对象和语言指令之间的关系，并将其存储在数据库中。开发了一种技术，通过从包含对象的物理特征（颜色和形状等）和操作内容（抓握或按下等）的语言指令，将存储在数据库中的类似操作的关联结果输入到操作生成模型中，从而从未学习的语言指令自主执行所需的操作。这消除了对语言指令和行为的所有关系进行编程的需要，并增加了可用的行为变体。

关联对象和动作的关联技术机制

此文章于2021年6月6日至8日举行的日本机械工程师学会2021年机器人和机电一体化讲座（ROBOMECH2021）的海报会议上发表。
声明：除原创内容及特别说明之外，推送稿件文字及图片均来自网络及各大主流媒体。版权归原作者所有。如认为内容侵权，请联系我们删除。

原创作者：菁特（上海）智能科技有限公司