Robotica e IA fisica

I Robottisti Sviluppano una Nuova Tecnica per far Afferrare agli Robot Oggetti Riflettenti

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

Il campo della robotica sta progredendo rapidamente e non passerà molto tempo prima che questa tecnologia si faccia strada in molti aspetti della nostra vita, compresa la cucina. Tuttavia, c’è un ostacolo specifico che i robottisti devono superare per queste applicazioni: i robot hanno estreme difficoltà a raccogliere oggetti trasparenti e riflettenti, come un misurino o un coltello lucido. Tuttavia, questo sta cambiando, con i robottisti dell’Università di Carnegie Mellon (CMU) che stanno sviluppando una nuova tecnica per superare questo problema.

Il team ha riportato il successo nell’insegnare ai robot a raccogliere quegli oggetti attraverso una nuova tecnica che non richiede sensori complessi, un addestramento esaustivo o una guida umana. Invece, ha utilizzato una fotocamera a colori per eseguire le azioni.

La ricerca sarà presentata alla Conferenza internazionale su robotica e automazione, che si terrà quest’estate in forma virtuale.

Fotocamere a Profondità vs Fotocamere a Colori

David Held è un professore assistente presso l’Istituto di robotica della CMU. Secondo Held, le fotocamere a profondità, che determinano la forma di un oggetto emettendo luce infrarossa, sono utili per identificare oggetti opachi. Tuttavia, non è il caso degli oggetti trasparenti o delle superfici riflettenti, che la luce infrarossa attraversa direttamente o si diffonde. A causa di ciò, le fotocamere a profondità non sono in grado di calcolare forme accurate. Ciò significa che il risultato finale è piatto o forme piene di buchi per oggetti trasparenti e riflettenti.

Il vantaggio di una fotocamera a colori è che può vedere oggetti trasparenti e riflettenti, non solo quelli opachi. Sfruttando questo, gli scienziati della CMU hanno creato un sistema di fotocamera a colori in grado di identificare forme in base al colore.

Anche se una fotocamera standard non è in grado di misurare le forme nello stesso modo di una fotocamera a profondità, i ricercatori hanno addestrato il nuovo sistema per imitare il sistema a profondità. Ciò ha permesso di inferire implicitamente le forme e di afferrare determinati oggetti, e per raggiungere questo obiettivo, le immagini della fotocamera a profondità di oggetti opachi sono state abbinate alle immagini a colori degli stessi oggetti.

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

Afferrare Oggetti Trasparenti e Lucidi

Dopo che il sistema è stato addestrato con successo, è stato utilizzato su oggetti trasparenti e lucidi. Il robot è stato in grado di afferrare gli oggetti difficili con un alto grado di successo dopo aver utilizzato quelle immagini più tutte le altre informazioni che potevano essere estratte dalla fotocamera a profondità.

Held ha detto che, anche se il sistema non funziona sempre alla perfezione, è meglio di qualsiasi altro sistema attualmente disponibile.

“A volte manchiamo”, ha detto Held. “Ma nella maggior parte dei casi ha fatto un lavoro abbastanza buono, molto meglio di qualsiasi altro sistema precedente per afferrare oggetti trasparenti o riflettenti.”

Secondo Thoms Weng, uno studente di dottorato in robotica, il sistema è ancora più efficiente nel raccogliere oggetti opachi rispetto a quelli trasparenti o lucidi, ma è molto più efficace dei sistemi di sola fotocamera a profondità. Un altro vantaggio del sistema è stato che la tecnica di apprendimento per addestrarlo è stata estremamente efficace, rendendo il sistema a colori paragonabile al sistema a profondità nel raccogliere oggetti opachi.

“Il nostro sistema non solo può raccogliere oggetti trasparenti e lucidi individuali, ma può anche afferrare tali oggetti in mucchi disordinati”, ha detto Weng.

Non è la prima volta che i robottisti hanno cercato di superare questa sfida. Gli approcci precedenti includevano l’addestramento di sistemi basati interamente su tentativi di presa ripetuti, che potevano raggiungere fino a 800.000 tentativi. Un’altra opzione precedente era l’etichettatura degli oggetti da parte degli esseri umani, che è sia costosa che lunga.

I robottisti della CMU si sono affidati a una fotocamera RGB-D commerciale in grado di catturare immagini a colori (RGB) e immagini a profondità (D).

Alex guida le operazioni giornalistiche di Unite.AI alimentate dall'IA, combinando giornalismo, ricerca e automazione per supportare una copertura tempestiva e scalabile dell'intelligenza artificiale. Il suo lavoro contribuisce a garantire che gli sviluppi emergenti dell'IA vengano evidenziati in modo efficiente, mantenendo gli standard editoriali della pubblicazione.