Als Menschen haben wir normalerweise kein großes Problem damit, Objekte von einem Tisch zu holen, egal ob es sich um feste Objekte wie einen Apfel handelt oder ob sie transparent sind, wie beispielsweise ein Glas. Für Computer und Roboter ist das eine andere Geschichte, aber dank eines neuen Algorithmus namens ClearGrasp könnte dies der Vergangenheit angehören.
Erklärt in einem kürzlich in Googles AI-Blog, Es wird beschrieben, wie ein Team von Google-Forschern, der Columbia University und Synthesis AI, eine entwickeln konnte neuer Algorithmus für maschinelles Lernen, der 3D-Daten von einem transparenten Objekt aus RGB-D genau schätzen kann Bilder. Da die meisten Bildgebungsmodelle auf festen Objekten basieren, die alle Oberflächen annehmen, sei es eine Tabelle oder eine Getränkedose, sind Lambertian - sie reflektieren das Licht gleichmäßig in alle Richtungen - transparente Objekte können posieren Probleme. Dies liegt daran, dass diese Objekte nicht nur das Licht reflektieren, sondern auch gebrochen werden, was wiederum Probleme für die Bildgebungssysteme verursacht.
Verizon bietet das Pixel 4a für nur 10 US-Dollar pro Monat auf neuen Unlimited-Linien an
Die Objektabbildung wird in vielen Anwendungen aus Lagern und der Automobilindustrie verwendet, zum Teufel sogar in Küchen. Die Fähigkeit, nicht nur feste Objekte, sondern auch transparente Objekte zu sehen, ist aus einer Vielzahl von Gründen attraktiv. Mit diesem neuen KI-Modell können Computer die Tiefe von 3D-Bildern rekonstruieren, die mit RGB-D-Kameras aufgenommen wurden.
Die Forschungsteams haben große Datenmengen in das Modell des maschinellen Lernens eingespeist, um die Genauigkeit ihrer Objekterkennung zu erhöhen Modelle für ihr "Pick and Place" -Robotersystem, das, wie der Name schon sagt, Objekte aufnimmt und in einem anderen platziert Lage. Das neue Lernsystem verbesserte die Fähigkeit des Roboters, transparente Objekte mit einem Parallelbackengreifer genau zu erfassen und zu erfassen, von 12% auf 74% und von 64% auf 86%, wenn eine Saugbacke verwendet wird.
Mit dem zunehmenden Einsatz von Robotik und den neuen Anwendungen sehen wir, dass ihre Fähigkeiten angewendet werden. Diese neue Forschung wird den Einsatz von Robotern nur noch weiter verstärken. Computer Imaging wird jedoch nicht nur zum Greifen von Objekten durch Roboter verwendet, sondern auch für Kameras in Privathaushalten, Autos und auf viele andere Arten. Wer weiß also, wie die Zukunft für diese Systeme aussehen könnte?