Οι Ρομποτικιστές Αναπτύσσουν Νέα Τεχνική για Ρομπότ να Πιάσουν Αντανακλαστικά Αντικείμενα

Το πεδίο της ρομποτικής προχωράει γρήγορα και δεν θα χρειαστεί πολύ χρόνος για να εισέλθει στην τεχνολογία σε πολλά μέρη της ζωής μας, συμπεριλαμβανομένης της κουζίνας. Ωστόσο, υπάρχει ένα συγκεκριμένο εμπόδιο που οι ρομποτικιστές πρέπει να υπερβούν για αυτούς τους τύπους εφαρμογών: τα ρομπότ έχουν ένα εξαιρετικά δύσκολο χρόνο να πιάσουν διαφανή και αντανακλαστικά αντικείμενα, όπως ένα μέτρο ή ένα λάμα. Αυτό αλλάζει, ωστόσο, με τους ρομποτικιστές στο Πανεπιστήμιο του Καρνέγκι Μέλον (CMU) να αναπτύσσουν μια νέα τεχνική για να υπερβούν αυτό το ζήτημα.

Η ομάδα αναφέρθηκε ότι είχε επιτυχία με την διδασκαλία των ρομπότ να πιάσουν αυτά τα αντικείμενα μέσω μιας νέας τεχνικής που δεν απαιτεί σύνθετα αισθητήρες, εξαντλητική εκπαίδευση ή ανθρώπινη καθοδήγηση. Αντίθετα, χρησιμοποίησε μια κάμερα χρώματος για να εκτελέσει τις ενέργειες.

Η έρευνα θα παρουσιαστεί στη Διεθνή Συνδιάσκεψη για Ρομποτική και Αυτοματοποίηση εικονικής συνδιάσκεψης που θα λάβει χώρα αυτό το καλοκαίρι.

Κάμερες Βάθους vs Κάμερες Χρώματος

Ο David Held είναι助ανδρος καθηγητής στο Ινστιτούτο Ρομποτικής του CMU. Σύμφωνα με τον Held, οι κάμερες βάθους, οι οποίες καθορίζουν το σχήμα ενός αντικειμένου στέλνοντας ένα υπέρυθρο φως σε αυτό, είναι χρήσιμες για την αναγνώριση αδιαφανών αντικειμένων. Ωστόσο, αυτό δεν ισχύει για διαφανή αντικείμενα ή αντανακλαστικές επιφάνειες, τις οποίες το υπέρυθρο φως περνάει απευθείας ή σκέδαζε. Λόγω αυτού, οι κάμερες βάθους δεν μπορούν να υπολογίσουν ακριβή σχήματα. Αυτό σημαίνει ότι το αποτέλεσμα τελικά είναι επίπεδο ή σχήματα γεμάτα τρύπες για διαφανή και αντανακλαστικά αντικείμενα.

Το πλεονέκτημα μιας κάμερας χρώματος είναι ότι μπορεί να δει διαφανή και αντανακλαστικά αντικείμενα, όχι μόνο αδιαφανή. Εκμεταλλευόμενοι αυτό, οι επιστήμονες στο CMU δημιούργησαν ένα σύστημα κάμερας χρώματος που είναι ικανό να αναγνωρίζει σχήματα με βάση το χρώμα.

Ακόμη και αν μια τυπική κάμερα δεν μπορεί να μετρήσει σχήματα με τον ίδιο τρόπο που μια κάμερα βάθους μπορεί, οι ερευνητές εκπαίδευσαν το νέο σύστημα να μιμείται το σύστημα βάθους. Αυτό τους επέτρεψε να υπονοούν σχήματα και να πιάνουν ορισμένα αντικείμενα, και για να το επιτύχουν, εικόνες κάμερας βάθους αδιαφανών αντικειμένων ζευγαρώθηκαν με εικόνες χρώματος των ίδιων αντικειμένων.

https://www.youtube.com/watch?v=Gny7NfmqyOk&feature=emb_title

Πιάνοντας Διαφανή και Αντανακλαστικά Αντικείμενα

Μετά την επιτυχή εκπαίδευση του συστήματος, χρησιμοποιήθηκε σε διαφανή και αντανακλαστικά αντικείμενα. Το ρομπότ μπόρεσε να πιάσει τα δύσκολα αντικείμενα με υψηλό βαθμό επιτυχίας μετά τη χρήση αυτών των εικόνων plus οποιαδήποτε άλλη πληροφορία που θα μπορούσε να εξαχθεί από την κάμερα βάθους.

Ο Held είπε ότι ενώ το σύστημα δεν λειτουργεί πάντα τέλεια, είναι καλύτερο από οποιοδήποτε άλλο σύστημα που είναι διαθέσιμο.

«Κάποιες φορές χάνουμε», είπε ο Held. «Αλλά για το μεγαλύτερο μέρος του χρόνου, έκανε μια πολύ καλή δουλειά, πολύ καλύτερη από οποιοδήποτε προηγούμενο σύστημα για πιάσιμο διαφανών ή αντανακλαστικών αντικειμένων.»

Σύμφωνα με τον Thoms Weng, einen φοιτητή διδακτορικού στο ρομποτικό, το σύστημα είναι ακόμη πιο αποτελεσματικό στην πίηση αδιαφανών αντικειμένων σε σύγκριση με διαφανή ή αντανακλαστικά, αλλά είναι πολύ πιο αποτελεσματικό από τα συστήματα μόνο κάμερας βάθους. Ένα άλλο πλεονέκτημα του συστήματος ήταν ότι η τεχνική εκμάθησης για την εκπαίδευση του ήταν εξαιρετικά αποτελεσματική, καθιστώντας το σύστημα χρώματος ισότιμο με το σύστημα κάμερας βάθους στην πίηση αδιαφανών αντικειμένων.

«Το σύστημά μας όχι μόνο μπορεί να πιάσει ατομικά διαφανή και αντανακλαστικά αντικείμενα, αλλά μπορεί επίσης να πιάσει τέτοια αντικείμενα σε συμφόρηση», είπε ο Weng.

Αυτό δεν είναι η πρώτη φορά που οι ρομποτικιστές προσπάθησαν να υπερβούν αυτή την πρόκληση. Προηγούμενες προσεγγίσεις περιελάμβαναν την εκπαίδευση συστημάτων βασισμένων εξ ολοκλήρου σε επαναλαμβανόμενες προσπάθειες πίησης, οι οποίες θα μπορούσαν να φτάσουν τις 800.000 προσπάθειες. Μια άλλη προηγούμενη επιλογή ήταν η ανθρώπινη επισήμανση αντικειμένων, η οποία είναι και ακριβή και χρονοβόρα.

Οι ρομποτικιστές στο CMU βασίζονταν σε μια εμπορική κάμερα RGB-D που ήταν ικανή για cả εικόνες χρώματος (RGB) και εικόνες βάθους (D).