شفاف بازتاب اشیاء در حال حاضر در درک روبات

پیتسبورگ–آشپزخانه روبات محبوب چشم انداز آینده, اما اگر یک ربات از امروز تلاش می کند تا به درک یک آشپزخانه اصلی مانند روشن فنجان اندازه گیری و یا براق چاقو آن را به احتمال زیاد قادر نخواهد بود به. شفاف و منعکس کننده اشیاء و چیزهایی از ربات کابوس.

Roboticists در دانشگاه کارنگی ملون, اما, گزارش, موفقیت با یک روش جدید آنها برای توسعه آموزش ربات را انتخاب کنید تا این مشکل اشیاء. این روش نیاز ندارد فانتزی سنسور جامع آموزش و یا انسان اما متکی در درجه اول در دوربین رنگ. محققان در حال حاضر این سیستم جدید طی تابستان امسال در کنفرانس بین المللی رباتیک و اتوماسیون کنفرانس های مجازی.

دیوید برگزار می شود, دستیار استاد در CMU را رباتیک موسسه گفت: عمق دوربین که درخشش نور مادون قرمز بر روی یک شی برای تعیین شکل آن کار خوبی برای شناسایی اشیاء مات. اما نور مادون قرمز عبور می کند حق را از طریق پاک کردن اشیاء و پراکنده کردن سطوح بازتابنده. در نتیجه عمق دوربین نمی تواند محاسبه دقیق شکل و در نتیجه تا حد زیادی تخت و یا سوراخ سرند اشکال به صورت شفاف و منعکس کننده اشیاء است.

اما یک رنگ دوربین را مشاهده می کنید شفاف و منعکس کننده اشیاء و همچنین مات هستند. بنابراین CMU دانشمندان یک رنگ دوربین سیستم به رسمیت شناختن اشکال بر اساس رنگ. یک دوربین استاندارد اندازه گیری نمی تواند اشکال مانند عمق اما محققان با این وجود قادر به آموزش این سیستم جدید به تقلید از عمق سیستم و به طور ضمنی استنباط شکل به درک اشیاء. آنها را با استفاده از عمق تصاویر دوربین از مات اشیاء زوج با تصاویر رنگی از کسانی که اشیاء مشابه.

یک بار آموزش رنگ دوربین سیستم اعمال شد به صورت شفاف و براق اشیاء. بر اساس این تصاویر همراه با هر اندک اطلاعات عمق دوربین می تواند با ارائه این سیستم می تواند درک این به چالش کشیدن اشیاء با درجه بالایی از موفقیت است.

“ما گاهی اوقات از دست ندهید” برگزار شد اذعان کرد: “اما در بیشتر قسمت ها آن را یک کار خیلی خوب خیلی بهتر از هر سیستم قبلی برای فهم شفاف یا بازتاب اشیاء.”

این سیستم نمی تواند انتخاب کنید تا شفاف یا بازتاب اشیاء به عنوان موثر به عنوان اشیاء مات گفت: Thomas Weng یک دانشجوی دکتری رباتیک. اما از آن است که به مراتب موفق تر از عمق سیستم های دوربین به تنهایی. و مرکب آموزش انتقال استفاده می شود برای آموزش سیستم طوری موثر است که این سیستم رنگ ثابت تقریبا به خوبی به عنوان عمق سیستم دوربین در چیدن اشیاء مات.

“سیستم ما نه تنها می توانید انتخاب کنید تا فردی شفاف و منعکس کننده اشیاء, اما آن را نیز می تواند درک اشیاء از جمله در هم ریخته شمع,” او اضافه شده است.

تلاش دیگر در رباتیک بتواند از اشیاء شفاف باید با تکیه بر سیستم های آموزشی مبتنی بر exhaustively تکرار اقدام محتضر — در دستور 800,000 تلاش-یا گران انسان شوی از اشیاء.

CMU با استفاده از سیستم تجاری RGB-D دوربین است که قادر به از هر دو رنگ (RGB) و عمق تصاویر (D). این سیستم می تواند با استفاده از این سنسور تنها به مرتب کردن بر اساس از طریق بازیافت و یا مجموعه های دیگر از اشیاء — برخی از مات برخی از شفاف برخی از بازتاب.

###

در علاوه بر این به برگزار شد و Weng تیم تحقیقاتی شامل الیور Kroemer استادیار رباتیک در CMU; Amith Pallankize ارشد در بیت Pilani در هند; و هدف تانگ ارشد در ShanghaiTech. بنیاد ملی علوم, سونی, شرکت, دفتر تحقیقات نیروی دریایی کنگره هوشمند تجهیزات شرکت. و ShanghaiTech پشتیبانی این پژوهش است.

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.

tinyurlis.gdu.nuclck.ruulvis.netshrtco.de