雅达利公司开始致力于机器人拆卸

epsrc资助的项目——用于工业多接触任务(ATARI)的自主学习机器人:在自动拆卸中实现智能学习- - - - - -由来自伯明翰机械工程系．

他说，雅达利将专注于开发基于人工智能的机制，使机器人能够自我学习拆卸任务和相关的控制策略。

研究的目标是能够拆卸和再制造零件和产品的自主机器人

机器人拆卸回收再利用电动汽车电池组

再制造的价值

他说:“拟议中的方法是新颖的，因为它提供了另一种视角，让需要大量接触的任务实现自动化，而这些任务目前是非常精心安排和基于时间表的。”“有了这种自我学习能力，我们希望可以大大简化拆卸自动化的实施，以帮助回收和再制造行业。”

ATARI面临的挑战之一将是开发深度强化学习(DRL)技术和高维数据融合方法，使机器人能够学习如何变得更加灵巧。

王博士解释说，DRL已经证明了它在虚拟环境中学习高维控制策略的能力。

“ATARI的目标是在物理拆卸过程中实现DRL，”他说。“特别是，DRL和多维力/扭矩/视觉传感器将相结合，使机器人能够在接触多的任务中自学手眼协调。由于缺乏训练数据，在拆卸中使用DRL被认为过于具有挑战性。然而，高维数据融合的最新进展可能会大大减少DRL所需的数据量，从而使ATARI的想法成为可能。”

ATARI是基于为期三年的AUTOREMAN项目(工程师，2016年4月)，王博士参与了三年多。他说，AUTOREMAN解决了拆卸自动化中的许多关键问题，包括拆卸力学建模和机器人运动控制关键算法和程序的开发。

他补充说，虽然雅达利专注于拆卸，但这项研究可以适应未来广泛的接触任务的自动化，如智能机器人驱动的行星探索、维修和回收。

王博士说:“雅达利的计划是在2023年底之前创建一个可以自我学习拆卸的原型机器人，我们认为在AUTOREMAN的基础上，这是可以实现的。”

这个为期两年的项目的合作伙伴包括制造技术中心、英国Keyence公司、英国库卡机器人公司，以及中国的北京航空航天大学和武汉理工大学。

王博士说:“我们不想把我们的研究‘锁定’在学术期刊和书籍上——我们想把雅达利的大学和公司联系起来，这样我们的研究工作就能产生社会和经济影响。”我们的国际合作伙伴也可以提高雅达利在海外的影响力，并为创建一个国际社区做出贡献。”