Роботисти разработват нова техника за хващане на отразяващи обекти от роботи

Полето на роботиката напредва бързо и няма да отнеме много време технологията да навлезе в много аспекти от живота ни, включително в кухнята. Въпреки това, има едно специфично препятствие, което роботизаторите трябва да преодолеят за тези видове приложения: роботите имат изключително трудно време да вземат прозрачни и отразяващи предмети, като мерителна чаша или лъскав нож. Това обаче се променя, като роботици от университета Карнеги Мелън (CMU) разработват нова техника за преодоляване на този проблем. 

Екипът съобщи за успех с обучението на роботи да вземат тези обекти чрез нова техника, която не изисква сложни сензори, изчерпателно обучение или човешко ръководство. Вместо това той използва цветна камера за извършване на действията. 

Изследването ще бъде представено на виртуалната конференция на Международната конференция по роботика и автоматизация, която ще се проведе това лято. 

Дълбочинни камери срещу цветни камери

Дейвид Хелд е асистент в Института по роботика на CMU. Според Хелд камерите за дълбочина, които определят формата на обекта, като го осветяват с инфрачервена светлина, са полезни за идентифициране на непрозрачни обекти. Това обаче не е така за ясни предмети или отразяващи повърхности, през които инфрачервената светлина преминава направо или се разпръсква. Поради това камерите за дълбочина не могат да изчислят точни форми. Това означава, че резултатът в крайна сметка е плосък или фигури, пълни с дупки за прозрачни и отразяващи обекти.

Предимството на цветната камера е, че може да вижда прозрачни и отразяващи обекти, а не само непрозрачни. Възползвайки се от това, учените от CMU създадоха система с цветна камера, която е способна да идентифицира форми въз основа на цвят.

Въпреки че стандартната камера не може да измерва форми по същия начин, както камерата за дълбочина, изследователите са обучили новата система да имитира системата за дълбочина. Това му позволява имплицитно да извежда форми и да хваща определени обекти и за да постигне това, изображенията на непрозрачни обекти от камери за дълбочина бяха съчетани с цветните изображения на същите обекти. 

Хващане на прозрачни и блестящи предмети

След като системата беше успешно обучена, тя беше използвана върху прозрачни и лъскави предмети. Роботът успя да хване трудните обекти с висока степен на успех, след като използваше тези изображения плюс всяка друга информация, която можеше да бъде извлечена от камерата за дълбочина.

Хелд каза, че въпреки че системата не винаги работи перфектно, тя е по-добра от която и да е друга система, която се предлага в момента.

„Понякога пропускаме“, каза Хелд. „Но в по-голямата си част свърши доста добра работа, много по-добра от всяка предишна система за хващане на прозрачни или отразяващи обекти.“

Според Thoms Weng, докторант по роботика, системата все още е по-ефективна при улавяне на непрозрачни обекти в сравнение с прозрачни или отразяващи, но е много по-ефективна от обикновените системи с камери за дълбочина. Друго предимство на системата беше, че техниката на обучение за нейното обучение беше изключително ефективна, правейки цветовата система равна на системата на камерата за дълбочина при улавяне на непрозрачни обекти.

„Нашата система не само може да улавя отделни прозрачни и отразяващи обекти, но също така може да хваща такива обекти в разхвърляни купчини“, каза Венг. 

Това не е първият път, когато роботици се опитват да преодолеят това предизвикателство. Предишните подходи включваха системи за обучение, базирани изцяло на повтарящи се опити за хващания, които можеха да наброяват до 800,000 XNUMX опита. Друг предишен вариант беше човешко етикетиране на обекти, което е както скъпо, така и времеемко.

Специалистите по роботика в CMU разчитаха на комерсиална RGB-D камера, способна както на цветни изображения (RGB), така и на изображения в дълбочина (D).