Robotik och fysisk AI

Robotik på nytt: Purdue Universitys innovativa lösning för datorseende

Alex McFarland
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterHADAR övervinner spökeffekten i termisk avbildning för att återställa textur och…
Visa mer
  • HADAR övervinner spökeffekten i termisk avbildning för att återställa textur och detaljer.
  • Teknologin möjliggör fullständigt passiv maskinuppfattning som fungerar lika bra i mörker som i dagsljus.
  • Nuvarande utmaningar inkluderar att minska sensorns storlek och kostnad för praktiska tillämpningar som självkörande fordon.

Forskare vid det ansedda Purdue University har gjort ett betydande framsteg inom området robotik, maskinseende och perception. Deras banbrytande tillvägagångssätt erbjuder en markant förbättring jämfört med konventionella tekniker, och lovar en framtid där maskiner kan uppfatta sin omgivning mer effektivt och säkert än någonsin tidigare.

Introducerar HADAR: Ett revolutionerande steg i maskinperception

Zubin Jacob, Elmore Associate Professor i elektroteknik och datateknik, i samarbete med forskningsvetenskapsman Fanglin Bao, introducerade en banbrytande metod som kallas HADAR, en förkortning för värmeassisterad detektion och avståndsmätning. Deras innovation fick stor uppmärksamhet, och detta erkännande har förstärkt förväntningarna kring HADARs potentiella tillämpningar inom olika sektorer.

Traditionellt har maskinperception varit beroende av aktiva sensorer som LiDAR, radar och sonar, som sänder ut signaler för att samla in tredimensionell data om sin omgivning. Men dessa metoder presenterar utmaningar, särskilt när de skalas upp. De är känsliga för signalstörningar och kan till och med utgöra risker för människors säkerhet. Begränsningarna hos videokameror i låga ljusförhållanden och “spökeffekten” i konventionell termisk avbildning har ytterligare komplicerat maskinperception.

HADAR syftar till att ta itu med dessa utmaningar. “Objekt och deras miljö emitterar och sprider ständigt termisk strålning, vilket leder till textur-lösa bilder som är kända som ‘spökeffekten'”, förklarade Bao. Han fortsatte: “Termiska bilder av en persons ansikte visar endast konturer och viss temperaturkontrast; det finns inga urskiljbara drag, vilket gör att det verkar som om du har sett ett spöke. Förlusten av information, textur och urskiljbara drag är ett hinder för maskinperception med hjälp av värme-strålning.”

HADARs lösning är en kombination av termisk fysik, infraröd avbildning och maskinlärning, vilket möjliggör fullständigt passiv och fysik-medveten maskinperception. Jacob betonade det paradigmskifte som HADAR medför, och sa: “Vårt arbete bygger den informations-teoretiska grunden för termisk perception, för att visa att mörker innehåller lika mycket information som dagsljus. Evolution har gjort människor orienterade mot dagtid. Maskinperception i framtiden kommer att övervinna denna långvariga dikotomi mellan dag och natt.”

Praktiska implikationer och framtida riktningar

HADARs effektivitet underströks av dess förmåga att återställa texturer i ett nattligt scenario utanför väg. “HADAR TeX-vision återställde texturer och övervann spökeffekten”, noterade Bao. Det avgränsade intrikata mönster som krusningar på vatten och fåror i bark, och visade sin överlägsna sensoriska förmåga.

Men innan HADAR kan integreras i verkliga tillämpningar som självkörande bilar eller robotar, finns det utmaningar att ta itu med. Bao anmärkte: “Den nuvarande sensorn är stor och tung, eftersom HADAR-algoritmerna kräver många färger av osynlig infraröd strålning. För att tillämpa det på självkörande bilar eller robotar måste vi minska storleken och priset, samtidigt som vi gör kamerorna snabbare.” Aspirationen är att förbättra bildhastigheten hos den nuvarande sensorn, som för närvarande skapar en bild varje sekund, för att möta kraven från autonoma fordon.

Vad gäller tillämpningar är HADAR TeX-vision för närvarande anpassad för automatiserade fordon och robotar, men dess potential sträcker sig mycket längre. Från jordbruk och försvar till hälso- och sjukvård och viltövervakning, är möjligheterna omfattande.

I erkänsla av sitt banbrytande arbete har Jacob och Bao säkrat finansiering från DARPA och tilldelats 50 000 dollar från Office of Technology Commercializations Trask Innovation Fund. Duon har avslöjat sin innovation för Purdue Innovates Office of Technology Commercialization, och tagit de första stegen för att patentera sin skapelse.

Denna transformerande forskning från Purdue University är på väg att omdefiniera gränserna för maskinperception, och skapa väg för en säkrare och mer effektiv framtid inom robotik och bortom.

Alex leder Unite.AI:s AI-drivna nyhetsverksamhet, som kombinerar journalistik, forskning och automation för att stödja snabb och skalbar bevakning av artificiell intelligens. Hans arbete hjälper till att säkerställa att framväxande AI‑utvecklingar lyfts fram effektivt samtidigt som publikationens redaktionella standarder upprätthålls.