Robótica e IA física

Redefinindo Robótica: A Solução Inovadora de Visão de Máquina da Universidade Purdue

Alex McFarland
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO HADAR supera o efeito de fantasma na imagem térmica para restaurar textura e detalhes.
Ver mais
  • O HADAR supera o efeito de fantasma na imagem térmica para restaurar textura e detalhes.
  • A tecnologia permite percepção de máquina totalmente passiva, funcionando igualmente bem no escuro e à luz do dia.
  • Os desafios atuais incluem reduzir o tamanho e o custo do sensor para aplicações do mundo real, como veículos autônomos.

Pesquisadores da renomada Universidade Purdue fizeram um grande avanço no campo da robótica, visão de máquina e percepção. Sua abordagem inovadora oferece uma melhoria significativa em relação às técnicas convencionais, prometendo um futuro onde as máquinas possam perceber seu entorno de forma mais eficaz e segura do que nunca.

Apresentando o HADAR: Um Salto Revolucionário na Percepção de Máquina

Zubin Jacob, titular da cátedra Elmore de professor associado de Engenharia Elétrica e Computação, em colaboração com o cientista de pesquisa Fanglin Bao, introduziu um método pioneiro chamado HADAR, abreviação de detecção e medição de distância assistidas pelo calor. Sua inovação atraiu grande atenção, e esse reconhecimento ampliou a expectativa em torno das aplicações potenciais do HADAR em vários setores.

Tradicionalmente, a percepção de máquina dependia de sensores ativos como LiDAR, radar e sonar, que emitem sinais para coletar dados tridimensionais sobre seu entorno. No entanto, esses métodos apresentam desafios, especialmente quando escalados. Eles são propensos a interferência de sinais e podem até representar riscos para a segurança humana. As limitações das câmeras de vídeo em condições de baixa luminosidade e o “efeito fantasma” na imagem térmica convencional complicaram ainda mais a percepção de máquina.

O HADAR busca resolver esses desafios. “Os objetos e seu ambiente emitem e espalham constantemente radiação térmica, levando a imagens sem textura famosamente conhecidas como o ‘efeito fantasma’,” explicou Bao. Ele continuou: “As imagens térmicas do rosto de uma pessoa mostram apenas contornos e alguns contrastes de temperatura; não há características, tornando-se como se você tivesse visto um fantasma. Essa perda de informação, textura e características é um obstáculo para a percepção de máquina usando radiação de calor.”

A solução do HADAR é uma combinação de física térmica, imagem infravermelha e aprendizado de máquina, permitindo a percepção de máquina totalmente passiva e baseada nos princípios da física. Jacob enfatizou a mudança de paradigma que o HADAR traz, afirmando: “Nosso trabalho constrói os fundamentos da percepção térmica baseados na teoria da informação para mostrar que a escuridão total carrega a mesma quantidade de informação que a luz do dia. A evolução fez com que os seres humanos sejam tendenciosos em relação ao dia. A percepção de máquina do futuro superará essa dicotomia antiga entre dia e noite.”

Implicações Práticas e Direções Futuras

A eficácia do HADAR foi destacada por sua capacidade de recuperar texturas em um cenário noturno fora de estrada. “A visão TeX do HADAR recuperou texturas e superou o efeito fantasma,” observou Bao. Ele delineou com precisão padrões intricados como ondas d’água e rugas da casca, demonstrando suas capacidades sensoriais superiores.

No entanto, antes que o HADAR possa ser integrado a aplicações do mundo real, como carros autônomos ou robôs, há desafios a serem superados. Bao comentou: “O sensor atual é grande e pesado, pois os algoritmos do HADAR exigem muitas cores de radiação infravermelha invisível. Para aplicá-lo a carros autônomos ou robôs, precisamos reduzir o tamanho e o preço, além de tornar as câmeras mais rápidas.” A aspiração é melhorar a taxa de quadros do sensor atual, que cria uma imagem a cada segundo, para atender às demandas dos veículos autônomos.

Em termos de aplicações, embora a visão TeX do HADAR seja atualmente adaptada para veículos automatizados e robôs, seu potencial se estende muito além. Desde a agricultura e a defesa até a saúde e o monitoramento da vida selvagem, as possibilidades são vastas.

Em reconhecimento ao seu trabalho inovador, Jacob e Bao garantiram financiamento da DARPA e receberam $50.000 do Fundo de Inovação Trask do Escritório de Comercialização de Tecnologia. O duo divulgou sua inovação ao Escritório de Comercialização de Tecnologia da Purdue Innovates, dando os primeiros passos para patentear sua criação.

Essa pesquisa transformadora da Universidade Purdue está prestes a redefinir os limites da percepção de máquina, abrindo caminho para um futuro mais seguro e eficiente na robótica e além.

Alex lidera as operações de notícias impulsionadas por IA da Unite.AI, combinando jornalismo, pesquisa e automação para apoiar uma cobertura oportuna e escalável da inteligência artificial. Seu trabalho ajuda a garantir que os desenvolvimentos emergentes em IA sejam divulgados de forma eficiente, mantendo os padrões editoriais da publicação.