ロボティクスとフィジカルAI

ロボティクスの再定義:パーデュー大学の革新的なマシンビジョンソリューション

Alex McFarland
Unite.AI を Google の優先ソースに追加
要点HADARは、熱画像におけるゴースト現象を克服し、質感と詳細を復元します。
もっと見る
  • HADARは、熱画像におけるゴースト現象を克服し、質感と詳細を復元します。
  • この技術は、暗闇でも日中と同様に機能する完全受動型の機械知覚を可能にします。
  • 現在の課題には、自動運転車などの実世界アプリケーション向けにセンサーのサイズとコストを削減することが含まれます。

パーデュー大学の研究者は、ロボティクス、機械ビジョン、認識の分野で重要な進歩を遂げました。彼らの 画期的なアプローチ は、従来の技術よりも大幅に改善されており、将来、機械がその周囲をより効果的に、より安全に認識できる未来を約束しています。

HADAR:機械認識における革命的な飛躍

電気・コンピュータ工学のエルモア准教授であるズビン・ジェイコブは、研究科学者ファンリン・バオと共同で、HADAR(熱を利用した検出・測距)と呼ばれる先駆的な手法を発表しました。彼らの革新は大きな注目を集め、HADARの潜在的な応用についての期待を高めています。

従来、機械認識は、LiDAR、レーダー、ソナーなど、信号を発して周囲の三次元データを収集するアクティブ・センサーに依存していました。これらの方法は、特に大規模化する際に課題を提起します。信号の干渉を受けやすく、人間の安全にリスクをもたらす可能性があります。低光量条件でのビデオカメラの限界と従来の熱画像での「ゴースト効果」は、機械認識をさらに複雑にしました。

HADARは、これらの課題に対処しようとしています。バオは、「物体とその環境は、常に熱放射を発生させ、散乱させているため、テクスチャレスな画像、つまり『ゴースト効果』が発生します」と説明しています。彼は続けて、「熱画像では、人物の顔は輪郭と一部の温度コントラストしか見えず、特徴が見えないため、まるで幽霊を見たような感じになります。この情報、テクスチャ、特徴の喪失は、熱放射を使用した機械認識の障害です。」

HADARの解決策は、熱物理学、赤外線イメージング、機械学習の組み合わせであり、完全に受動的で物理に基づいた機械認識を可能にします。ジェイコブは、HADARがもたらすパラダイム・シフトを強調し、「私たちの研究は、熱認識の情報理論的基礎を構築し、漆黒の闇にも真昼と同じ量の情報が含まれることを示しています。進化によって、人間の知覚は昼間に偏るようになりました。将来の機械認識は、この長年の昼と夜の二分法を克服するでしょう。」

実用的な意味と将来の方向

HADARの有効性は、オフロードの夜間シナリオでテクスチャを回復する能力によって強調されました。バオは、「HADAR TeX ビジョンはテクスチャを回復し、ゴースト効果を克服しました」と述べています。水の波や樹皮のしわなどの繊細なパターンを正確に特定し、優れた感覚能力を示しています。

しかし、HADARを実世界のアプリケーション、たとえば自律走行車やロボットに統合する前に、課題を解決する必要があります。バオは、「現在のセンサーは大きくて重いです。HADARのアルゴリズムでは、目に見えない赤外線の多数の波長成分が必要です。自律走行車やロボットに適用するには、サイズと価格を下げ、カメラを高速化する必要があります」と述べています。目標は、現在1秒ごとに画像を作成するセンサーのフレームレートを向上させ、自律走行車の要求を満たすことです。

応用については、HADAR TeX ビジョンは現在自動運転車とロボット向けに設計されていますが、その潜在的な応用範囲は非常に広いです。農業、防衛、ヘルスケア、野生動物モニタリングなど、多くの分野で活用できます。

彼らの革新的な研究に対して、ジェイコブとバオはDARPAから資金を獲得し、オフィス・オブ・テクノロジー・コマーシャライゼーションのTrask Innovation Fundから5万ドルを授与されました。彼らは、パーデュー・イノベーツの技術事業化オフィスにこの発明を開示し、特許出願の初期ステップを踏み出しました。

パーデュー大学のこの画期的な研究は、機械認識の境界を再定義し、ロボティクスやその他の分野でのより安全で効率的な未来を開拓することになります。

Alex は Unite.AI の AI 主導のニュース運営を率いており、ジャーナリズム、リサーチ、そして自動化を組み合わせて、人工知能に関するタイムリーでスケーラブルな取材を支援しています。彼の仕事は、新興の AI 開発が効率的に取り上げられ、出版物の編集基準が維持されるよう支えています。