让机器人组装Ikea家具是怎样的体验?

640?wx_fmt=png&wxfrom=5&wx_lazy=1


西雅图IT圈:seattleit

【今日作者】

PowerBall选号机


身体和灵魂总有一个要

走在买PowerBall的路上

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1



家装届扛把子流量  Ikea  以其稳定的欧美风和亲民价格收获了全球各地的粉丝,没有拼过宜家的北美留学生的人生都是不完整的。很多人喜欢Ikea的DIY精神,跟着说明书一步一步拼起家具来有种莫名的满足感。但是,回想一下,你真的觉得家具好装吗?


有没有想起对着图纸上20多个步骤一脸懵的恐惧?或者钉完两大排钉子后发现方向反了钉子尖都朝外了?


你不是一个人,毕竟有网友有着这样的经历:


640?wx_fmt=png


或者这样的卖家秀和买家秀对比:


640?wx_fmt=png


所以说拼家具是脑力、逻辑推理、空间三维感知能力和操作灵活度的极大考验,这几个标准合起来,像不像典型的机器人的需求?


640?wx_fmt=gif

南阳理工大学的一个实验室发现了这一点,于是他们做了一个实验,让机器人拼宜家家具,实验结果嘛,简单说是成功了。


640?wx_fmt=png


他们用的不是什么fancy的机器人,设备非常基础,由一个3D摄像头和两个装有夹子和压力传感器的工业机械臂组成,目标是拼装一个型号为Stefan的椅子,它长这样:


640?wx_fmt=png

看起来是入门级别的难度好吗?

拼装指南显示需要一个人,6个步骤,

一般需要10-15分钟完成。



这两个机器人(臂)组装起来的画风是这样的:


640?wx_fmt=gif


注意这是8倍速度的记录,可以想象施工现场是多么的缓。慢。而。有。序。视频中还能看出机械臂把一个连接件放进小孔时所经历的纠结:


640?wx_fmt=gif


以及“看我一个360度大回环,哥们这波操作骚不骚?”


640?wx_fmt=gif


最终花了20分钟装好椅子。其中大部分时间用来规划机械臂的走位,实际组装操作只花了不到9分钟。

640?wx_fmt=gif

研究员表示,这个实验的初衷是  测试市场上已有的机器人是否具备完成复杂工作的能力 。家具组装要求机器能够识别零件,抓取、移动到对应位置,重点是保持零件完好。在前几次失败经验中,机械臂直接把木质钉子抓起来扔到了地上,也有过用力过猛损坏了木板,共计报废了3把椅子。


但是,你发没发现这里缺了个步骤,

机器怎么知道什么零件该去哪怎么拼呢?


【事实是】

它俩并不会读拼装指南

每个零件的形状以及连接方式是直接被编进程序的。


除了读图的限制,

这组机器还不会拧螺丝,

想要学会还需要几个月的练习。


最后研究员表示

不认为Ikea有志投身组装机器人,

所以在接下来的10年到20年里

大家还是得自己动手丰衣足食。


640?wx_fmt=jpeg


最后,对于特别自信的机器人,我们诚意推荐挑战Ikea的这款Growroom:


640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=jpeg




西雅图IT圈原创

仅有不到7%的公众号,  还在坚持原创

如果喜欢, 请分享我们的文章


每天加点料


这种设计缺陷,考虑过用户感受么?

640?wx_fmt=gif


640?

640?

投稿,转载,商业合作,请联系E-mail:

SeattleITquan@gmail.com



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值