MIT хочет, чтобы ваш домашний робот стал лучше

Исследователи из Массачусетского технологического института (Массачусетский технологический институт) разработали новую систему видения, которая является такой же точной и в 10 раз более быстрой, чем существующие системы, что делает ее гораздо более практичной для использования в домашних условиях домашних роботов в режиме реального времени.

Команда проверила несколько сценариев, в которых 20-30 различных изображений бытовых объектов были сгруппированы вместе на столе. В нескольких сценариях кластеры включали в себя несколько экземпляров одного и того же объекта, чтобы сделать игру более сложной.

В документе, опубликованном в ближайшем выпуске Международного журнала исследований робототехники, исследователи MIT показывают, что система, использующая готовый алгоритм для агрегирования различных перспектив, может распознавать в четыре раза больше объектов, чем один, который использует одну перспективу, уменьшая количество ошибочных идентификаций.

«Если вы только что сделали вывод, глядя на него с одной точки зрения, есть много вещей, которые могут отсутствовать, или это может быть угол освещения или что-то, что блокирует объект, что вызывает систематическую ошибку в детекторе», - говорит Лоусон Вонг, аспирант по электротехнике и информатике и ведущий автор новой статьи. «Один из способов - просто передвигаться и перейти к другой точке зрения».

MIT News объясняет, как работает алгоритм:

В надежде на достижение более эффективного алгоритма исследователи MIT приняли другой подход. Их алгоритм не отбрасывает ни одну из гипотез, которые он генерирует на последовательных изображениях, но он не пытается их также просмотреть. Вместо этого он отбирает у них наугад. Поскольку существует существенное совпадение между различными гипотезами, достаточное количество выборок, как правило, дает согласие на соответствие между объектами в любых двух последовательных изображениях.

Чтобы сохранить необходимое количество образцов, исследователи приняли упрощенный метод оценки гипотез. Предположим, что алгоритм идентифицировал три объекта с одной точки зрения и четыре от другого. Наиболее математически точным способом сравнения гипотез будет рассмотрение всех возможных наборов совпадений между двумя группами объектов: набор, который соответствует объектам 1, 2 и 3 в первом представлении объектам 1, 2 и 3 во втором ; набор, который соответствует объектам 1, 2 и 3 в первом объекте 1, 2 и 4 во втором; набор, который соответствует объектам 1, 2 и 3 в первом представлении объектам 1, 3 и 4 во втором и т. д. В этом случае, если вы включите возможности, которые детектор сделал ошибку и что некоторые объекты закрыты из некоторых представлений, этот подход даст 304 разных набора совпадений.

Вместо этого алгоритм исследователя рассматривает каждый объект в первой группе отдельно и оценивает его вероятность сопоставления с объектом во второй группе. Таким образом, объект 1 в первой группе может отображаться на объекты 1, 2, 3 или 4 во втором, так же как объект 2 и т. Д. Опять же, с учетом возможностей ошибки и окклюзии, этот подход требует только 20 сравнений.

Использование RFID-тегов

Исследователи из Технологического института Джорджии также помогают роботам лучше находить объекты , помещая высокочастотные метки RFID на объекты вокруг дома. Один из их роботов PR2 недавно был оснащен антеннами с направленной чувствительностью, которые задействовали робота в «более горячем или холодном» поиске. Робот получает более сильный RFID-сигнал, если он направлен в направлении метки RFID, а также когда он ближе к нему.

«Робот может использовать мобильность и свое особое поведение, чтобы приблизиться к предмету и ориентироваться», - сказал соавтор исследования Трэвис Деййл, бывший студент Georgia Tech, который работал над проектом в лаборатории Кемпа в рамках его докторской степени , «Это может позволить роботу искать, захватывать и доставлять правильное лекарство правильному человеку в нужное время. RFID обеспечивает точную идентификацию, поэтому риск доставки неправильного лекарства резко снижается. Создание системы, позволяющей роботам точно находить правильный тег, является важным первым шагом ».

Возможности обнаружения местоположения робота были протестированы на нескольких объектах домашнего хозяйства, включая бутылку с лекарством, щетку для волос, пульт телевизора и сотовый телефон. Исследователи говорят, что эта система RFID может помочь роботу потенциально идентифицировать миллиарды отдельных объектов.

«С небольшой модификацией объектов в вашем доме робот может быстро провести инвентаризацию своего имущества и перейти к выбранному вами объекту», - сказал Кемп. "Вы что-то ищете? Робот покажет вам, где он.

Видео обзор технологии UHF RFID Tags