Инновационные технологии: Навыки распознавания объектов
В лаборатории Intelligent Robotics and Vision Lab Техасского университета в Далласе робот занят тем, что толкает по столу игрушечную упаковку масла. Разработанный учеными-компьютерщиками UT Dallas, робот с каждым толчком учится распознавать объект с помощью революционной системы.
Квантовый скачок в обучении
В предыдущих подходах для обучения робота распознавать объекты требовалось однократное нажатие или хватание. Однако новая система позволяет роботу многократно толкать объекты. Такое многократное взаимодействие приводит к сбору последовательности изображений. Таким образом, система может тщательно сегментировать все объекты, пока робот не сможет их распознать. Это открытие может значительно расширить возможности робота по распознаванию объектов.
Роботы, умеющие готовить? На шаг ближе
Мечта о том, что роботы будут готовить обед и заниматься домашними делами, возможно, пока остается далеким будущим. Однако исследовательская группа из UT Dallas сделала заметный шаг вперед. Они разработали роботизированную систему, оснащенную искусственным интеллектом (ИИ), которая может помочь роботам лучше распознавать и запоминать объекты. Доктор Ю Сян, старший автор научной статьи, подчеркивает важность этой технологии для решения таких задач, как принесение кружки или бутылки воды человеку.
Обобщенное распознавание объектов
Разработанная исследователями креативная технология предназначена для помощи роботам в обнаружении широкого спектра объектов, часто встречающихся в различных средах, в том числе и в домах. Особенно хорошо она справляется с обобщением, позволяя роботам идентифицировать похожие варианты привычных предметов, даже если они разных марок, размеров и форм.
Инновационные технологии: Обучение через взаимодействие
В лаборатории доктора Сяна мобильный робот-манипулятор по имени Рамп проходит обучение. Робот Рамп, разработанный компанией Fetch Robotics, имеет высоту около 4 футов и длинную механическую руку, оснащенную семью шарнирами. На конце руки расположена квадратная «кисть» с двумя пальцами для захвата предметов. Робот учится распознавать предметы так же, как дети учатся взаимодействовать с игрушками — через взаимодействие и повторение.
Сила повторения
Отличительной особенностью этого метода является настойчивость робота. Вместо одного толчка робот толкает каждый предмет 15-20 раз. Такое повторение позволяет роботу получить больше изображений с помощью RGB-D-камеры и датчика глубины. Такой комплексный сбор данных сводит к минимуму вероятность ошибок, что приводит к более точному распознаванию объектов.
Важнейшие задачи робототехники
Распознавание, различение и запоминание объектов, называемое сегментацией, является одной из основных функций, необходимых роботам для выполнения различных задач. С появлением этой инновационной системы, использующей длительные периоды взаимодействия для улучшения сегментации объектов, робототехника сделала значительный скачок вперед.
Опыт обучения
Нинад Харгонкар, докторант факультета компьютерных наук, который участвовал в проекте, подчеркнул важность тестирования в реальных условиях. Работа над проектом позволила ему усовершенствовать алгоритм, на основе которого робот принимает решения. Таким образом, преодолевается разрыв между теоретическими алгоритмами и практическими приложениями.
Инновационные технологии: Будущие цели
Следующей задачей исследовательской группы является совершенствование других важнейших функций, включая планирование и управление. Эти усовершенствования позволят роботам эффективно решать такие сложные задачи, как сортировка вторичного сырья.
Это новаторское исследование, представляющее собой совместную работу группы преданных своему делу исследователей, частично поддержано Агентством перспективных оборонных исследовательских проектов (DARPA). Программа DARPA «Перцепция задач» направлена на развитие технологий искусственного интеллекта, помогающих пользователям выполнять сложные физические задачи, расширяющих их навыки и снижающих количество ошибок за счет управления с помощью дополненной реальности.
