Roboticisten ontwikkelen nieuwe techniek voor robots om reflecterende objecten te grijpen

Het veld van robotica maakt snel vooruitgang, en het zal niet lang duren voordat de technologie in veel aspecten van ons leven terechtkomt, inclusief de keuken. Echter, is er één specifiek obstakel dat roboticisten moeten overwinnen voor dit soort toepassingen: robots hebben enorme moeite om transparante en reflecterende objecten op te pakken, zoals een maatbeker of een glanzend mes. Dit is echter aan het veranderen, met roboticisten aan de Carnegie Mellon University (CMU) die een nieuwe techniek ontwikkelen om dit probleem te overwinnen.

Het team rapporteerde succes met het leren van robots om deze objecten op te pakken door middel van een nieuwe techniek die geen complexe sensoren, uitgebreide training of menselijke begeleiding vereist. In plaats daarvan werd een kleurencamera gebruikt om de acties uit te voeren.

Het onderzoek zal worden gepresenteerd op de Internationale Conferentie over Robotica en Automatisering, een virtuele conferentie die deze zomer plaatsvindt.

Dieptecamera’s vs Kleurencamera’s

David Held is een assistent-professor in het Robotics Institute van CMU. Volgens Held zijn dieptecamera’s, die de vorm van een object bepalen door middel van een infrarood licht, nuttig voor het identificeren van ondoorzichtige objecten. Echter, dit is niet het geval voor doorzichtige objecten of reflecterende oppervlakken, waar het infrarood licht rechtstreeks doorheen gaat of afketst. Als gevolg hiervan kunnen dieptecamera’s geen nauwkeurige vormen berekenen. Dit resulteert in een vlakke of gaten gevulde vorm voor transparante en reflecterende objecten.

Het voordeel van een kleurencamera is dat het transparante en reflecterende objecten kan zien, niet alleen ondoorzichtige. De wetenschappers aan CMU maakten gebruik van dit voordeel door een kleurencamera-systeem te creëren dat in staat is om vormen te identificeren op basis van kleur.

Hoewel een standaardcamera niet in staat is om vormen te meten zoals een dieptecamera dat kan, trainden de onderzoekers het nieuwe systeem om het dieptesysteem te imiteren. Dit stelde het in staat om impliciet vormen af te leiden en bepaalde objecten te grijpen, en om dit te bereiken, werden dieptecamera-beelden van ondoorzichtige objecten gekoppeld aan de kleurenbeelden van dezelfde objecten.

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

Transparante en glanzende objecten grijpen

Nadat het systeem met succes was getraind, werd het gebruikt voor transparante en glanzende objecten. De robot kon de moeilijke objecten met een hoge graad van succes grijpen nadat het die beelden plus alle andere informatie die uit de dieptecamera kon worden gehaald, had gebruikt.

Held zei dat, hoewel het systeem niet altijd perfect werkt, het beter is dan alle andere systemen die momenteel beschikbaar zijn.

“We missen soms,” zei Held. “Maar over het algemeen deed het een behoorlijk goede job, veel beter dan enig ander systeem voor het grijpen van transparante of reflecterende objecten.”

Volgens Thoms Weng, een PhD-student in robotica, is het systeem nog steeds efficiënter in het oppakken van ondoorzichtige objecten in vergelijking met transparante of reflecterende objecten, maar het is veel effectiever dan alleen dieptecamera-systemen. Een ander voordeel van het systeem was dat de leertechniek om het te trainen extreem effectief was, waardoor het kleurensysteem gelijkwaardig was aan het dieptecamera-systeem bij het oppakken van ondoorzichtige objecten.

“Ons systeem kan niet alleen individuele transparante en reflecterende objecten oppakken, maar het kan ook dergelijke objecten in rommelige stapels grijpen,” zei Weng.

Dit is niet de eerste keer dat roboticisten hebben geprobeerd om deze uitdaging te overwinnen. Eerdere benaderingen omvatten het trainen van systemen op basis van herhaalde pogingen om objecten op te pakken, wat tot 800.000 pogingen kon leiden. Een andere eerdere optie was het labelen van objecten door mensen, wat zowel duur als tijdrovend is.

De roboticisten aan CMU vertrouwden op een commerciële RGB-D-camera die zowel kleurenbeelden (RGB) als dieptbeelden (D) kon maken.