Robotyka i fizyczna AI
Nowe oblicze robotyki: innowacyjne rozwiązanie widzenia maszynowego z Purdue University

Kluczowe punktyHADAR przezwycięża efekt widmowy w obrazowaniu termicznym, przywracając teksturę i…
Zobacz więcej
- HADAR przezwycięża efekt widmowy w obrazowaniu termicznym, przywracając teksturę i szczegóły.
- Technologia umożliwia w pełni pasywne postrzeganie maszynowe, które działa równie dobrze w ciemności i w świetle dziennym.
- Obecne wyzwania obejmują zmniejszenie rozmiaru i kosztu czujnika dla zastosowań w świecie rzeczywistym, takich jak pojazdy autonomiczne.
Naukowcy z prestiżowego Purdue University dokonali znaczącego przełomu w dziedzinie robotyki, widzenia maszynowego i percepcji. Ich pionierskie podejście oferuje znaczną poprawę w stosunku do konwencjonalnych technik, obiecując przyszłość, w której maszyny będą mogły postrzegać swoje otoczenie bardziej skutecznie i bezpiecznie niż kiedykolwiek wcześniej.
Przedstawiamy HADAR: rewolucyjny skok w percepcji maszynowej
Zubin Jacob, profesor nadzwyczajny na stanowisku Elmore Associate Professor w dziedzinie inżynierii elektrycznej i komputerowej, we współpracy z naukowcem Fanglin Bao, wprowadził przełomową metodę nazwaną HADAR, skrót od heat-assisted detection and ranging. Ich innowacja zwróciła znaczącą uwagę, a to zwiększyło oczekiwania dotyczące potencjalnych zastosowań HADAR w różnych sektorach.
Tradycyjnie, percepcja maszynowa opierała się na aktywnych czujnikach, takich jak LiDAR, radar i sonar, które emitują sygnały w celu zebrania trójwymiarowych danych o otoczeniu. Jednak te metody stwarzają wyzwania, szczególnie przy skalowaniu. Są one podatne na interferencję sygnałów i mogą nawet stanowić zagrożenie dla bezpieczeństwa ludzi. Ograniczenia kamer wideo w warunkach niskiego oświetlenia oraz “efekt ducha” w konwencjonalnym obrazowaniu termicznym jeszcze bardziej skomplikowały percepcję maszynową.
HADAR stara się rozwiązać te wyzwania. “Obiekty i ich środowisko stale emitują i rozpraszają promieniowanie termiczne, prowadząc do powstania obrazów pozbawionych tekstury, znanych jako ‘efekt ducha’”, wyjaśnił Bao. Kontynuował: “Termiczne obrazy twarzy ludzi pokazują tylko kontury i niektóre kontrasty temperatury; nie ma cech, co sprawia, że wygląda to jak widzenie ducha. Utrata informacji, tekstury i cech jest przeszkodą dla percepcji maszynowej przy użyciu promieniowania cieplnego”.
Rozwiązanie HADAR to połączenie fizyki termicznej, obrazowania podczerwonego i uczenia maszynowego, umożliwiające w pełni bierną i uwzględniającą prawa fizyki percepcję maszynową. Jacob podkreślił przełom, który wprowadza HADAR, stwierdzając: “Nasza praca buduje podstawy percepcji termicznej oparte na teorii informacji, pokazując, że ciemność niesie tyle samo informacji, co światło dzienne. Ewolucja uczyniła ludzi skłonnymi do dziennego światła. Przyszła percepcja maszynowa pokona ten długoletni dysonans między dniem a nocą”.
Praktyczne implikacje i przyszłe kierunki
Skuteczność HADAR została podkreślona przez jego zdolność do odzyskiwania tekstur w scenariuszu nocnym poza drogą. “Wizja HADAR TeX odzyskała tekstury i pokonała efekt ducha”, zauważył Bao. Dokładnie wyznaczyła złożone wzory, takie jak fale wody i zmarszczki kory, prezentując swoje wyższe zdolności sensoryczne.
Jednak przed tym, jak HADAR może zostać zintegrowany z aplikacjami świata rzeczywistego, takimi jak samochody autonomiczne lub roboty, istnieją wyzwania do rozwiązania. Bao zauważył: “Obecny czujnik jest duży i ciężki, ponieważ algorytmy HADAR wymagają wielu kolorów niewidzialnego promieniowania podczerwonego. Aby zastosować go w samochodach autonomicznych lub robotach, musimy zmniejszyć rozmiar i cenę, a także zwiększyć prędkość kamer”. Celem jest zwiększenie liczby klatek na sekundę obecnego czujnika, który obecnie tworzy jeden obraz na sekundę, aby spełnić wymagania pojazdów autonomicznych.
Jeśli chodzi o zastosowania, chociaż wizja HADAR TeX jest obecnie dostosowana do pojazdów autonomicznych i robotów, jej potencjał sięga znacznie dalej. Od rolnictwa i obrony po opiekę zdrowotną i monitorowanie dzikiej przyrody, możliwości są ogromne.
W uznaniu za ich przełomową pracę, Jacob i Bao zabezpieczyli finansowanie z DARPA i otrzymali 50 000 dolarów z Trask Innovation Fund, biura komercjalizacji technologii. Obaj badacze zgłosili swoją innowację do Purdue Innovates Office of Technology Commercialization, podejmując pierwsze kroki w celu opatentowania swojego wynalazku.
Te przełomowe badania z Purdue University mają zdefiniować na nowo granice percepcji maszynowej, tworząc drogę ku bezpieczniejszej i bardziej efektywnej przyszłości w robotyce i poza nią.












