Omdefinering av robotikk: Purdue Universitys innovative løsning for maskinvisjon

Forskere ved det anerkjente Purdue University har gjort et betydelig sprang i området robotikk, maskinvisjon og persepsjon. Deres banebrytende tilnærming tilbyr en merket forbedring over konvensjonelle teknikker, og lover en fremtid hvor maskiner kan oppfatte omgivelsene sine mer effektivt og trygt enn noen gang tidligere.

Introduksjon av HADAR: Et revolusjonerende sprang i maskinpersepsjon

Zubin Jacob, Elmore-associateprofessor i elektro- og datateknikk, i samarbeid med forskningsscientist Fanglin Bao, innførte en pionermetode kalt HADAR, som står for varmeassistert deteksjon og avstandsmåling. Deres innovasjon fikk betydelig oppmerksomhet, og denne anerkjennelsen har økt forventningene omkring HADARs potensielle anvendelser i ulike sektorer.

Tradisjonelt har maskinpersepsjon avhengt av aktive sensorer som LiDAR, radar og sonar, som sender ut signaler for å samle inn tredimensjonal data om omgivelsene. Men disse metodene presenterer utfordringer, spesielt når de skal skaleres opp. De er utsatt for signalforstyrrelser og kan sogar utgjøre en risiko for menneskers sikkerhet. Begrensningene ved videokameraer i lavbelysning og “ghosting-effekten” i konvensjonell termisk avbildning har ytterligere komplisert maskinpersepsjon.

HADAR søker å løse disse utfordringene. “Objekter og deres omgivelser emitterer og spres termisk stråling kontinuerlig, noe som fører til tekstløse bilder som er kjent som ‘ghosting-effekten’,” forklarte Bao. Han fortsatte: “Termiske bilder av et ansikt viser bare konturer og noen temperaturkontraster; det er ingen trekk, noe som gjør det se ut som om du har sett et spøkelse. Tapet av informasjon, tekstur og trekk er en hindring for maskinpersepsjon som bruker varmestråling.”

HADARs løsning er en kombinasjon av termisk fysikk, infrarød avbildning og maskinlæring, som muliggjør fullstendig passiv og fysikk-bevisst maskinpersepsjon. Jacob understreket paradigmeskiftet som HADAR bringer med seg, og sa: “Vårt arbeid bygger informasjonsteoretiske grunnlag for termisk persepsjon, og viser at mørke inneholder like mye informasjon som dagslys. Evolusjon har gjort mennesker fordomsfulle mot dagslys. Maskinpersepsjon i fremtiden vil overvinne denne lange stående dikotomien mellom dag og natt.”

Praktiske implikasjoner og fremtidige retninger

HADARs effektivitet ble understreket av dens evne til å gjenopprette teksturer i en off-road nattscenarie. “HADAR TeX-syn gjenopprettet teksturer og overvant ‘ghosting-effekten’,” noterte Bao. Det tegnet nøyaktig intrikate mønster som vannbølger og barkriller, og viste sin overlegne sanselige evner.

Men før HADAR kan integreres i virkelige anvendelser som selvkjørende biler eller roboter, må det løses noen utfordringer. Bao bemerket: “Den nåværende sensoren er stor og tung, siden HADAR-algoritmene krever mange farger av usynlig infrarød stråling. For å anvende det til selvkjørende biler eller roboter, må vi redusere størrelsen og prisen, samt gjøre kameraene raskere.” Aspirasjonen er å forbedre rammeraten til den nåværende sensoren, som for øyeblikket skaper et bilde hver sekund, for å møte kravene til autonome kjøretøy.

I forhold til anvendelser, mens HADAR TeX-syn for øyeblikket er tilpasset for automatiserte kjøretøy og roboter, strekker dens potensiale mye lenger. Fra landbruk og forsvar til helsevesen og viltovervåking, mulighetene er enorme.

I anerkjennelse av deres banebrytende arbeid, har Jacob og Bao sikret finansiering fra DARPA og ble tildelt 50 000 dollar fra Office of Technology Commercializations Trask Innovation Fund. Duoen har avdekket sin innovasjon til Purdue Innovates Office of Technology Commercialization, og har tatt de første skrittene for å patenterer sin skapelse.

Dette transformative forskningen fra Purdue University er satt til å omdefinere grensene for maskinpersepsjon, og åpner vei for en tryggere og mer effektiv fremtid i robotikk og utenfor.