หุ่นยนต์และ AI ทางกายภาพ
นิยามใหม่ของหุ่นยนต์: นวัตกรรมการมองเห็นของเครื่องจักรจากมหาวิทยาลัย Purdue

ประเด็นสำคัญHADAR สามารถเอาชนะผลกระทบของเงาหลอน (ghosting) ในการถ่ายภาพความร้อน…
ดูเพิ่มเติม
- HADAR สามารถเอาชนะผลกระทบของเงาหลอน (ghosting) ในการถ่ายภาพความร้อน เพื่อกู้คืนพื้นผิวและรายละเอียดของภาพ
- เทคโนโลยีนี้ทำให้ระบบรับรู้ของเครื่องจักรทำงานแบบพาสซีฟเต็มรูปแบบ โดยมีประสิทธิภาพเท่าเทียมกันทั้งในสภาพมืดและสภาพแสงปกติ
- ความท้าทายในปัจจุบันรวมถึงการลดขนาดและต้นทุนของเซ็นเซอร์ เพื่อการประยุกต์ใช้จริง เช่น ในยานพาหนะอัตโนมัติ
นักวิจัยที่มหาวิทยาลัย Purdue ที่มีชื่อเสียงได้สร้างความก้าวหน้าครั้งสำคัญในด้านโรบอติกส์ การมองเห็นของเครื่องจักร และการรับรู้ โดย วิธีการที่เป็นนวัตกรรม นำเสนอการปรับปรุงที่ชัดเจนมากกว่าวิธีการแบบเดิมๆ โดยสัญญาว่าจะมีอนาคตที่เครื่องจักรสามารถรับรู้สภาพแวดล้อมได้อย่างมีประสิทธิภาพและปลอดภัยมากกว่าที่เคย
การแนะนำ HADAR: ก้าวกระโดดในการรับรู้ของเครื่องจักร
Zubin Jacob รองศาสตราจารย์ผู้ดำรงตำแหน่ง Elmore ด้านวิศวกรรมไฟฟ้าและคอมพิวเตอร์ ร่วมกับนักวิจัย Fanglin Bao ได้แนะนำวิธีการที่เป็นนวัตกรรมที่เรียกว่า HADAR ซึ่งเป็นตัวย่อของ heat-assisted detection and ranging การค้นพบของพวกเขาได้รับความสนใจอย่างมาก และการยอมรับนี้ได้เพิ่มความตื่นเต้นเกี่ยวกับศักยภาพของ HADAR ในหลายๆ ด้าน
ตามปกติแล้ว การรับรู้ของเครื่องจักรจะพึ่งพาสัญญาณที่ถูกส่งออกมาจากเซ็นเซอร์เช่น LiDAR, เรดาร์ และ sonar เพื่อรับข้อมูลสามมิติเกี่ยวกับสภาพแวดล้อม อย่างไรก็ตาม วิธีการเหล่านี้มีข้อจำกัด โดยเฉพาะอย่างยิ่งเมื่อขยายขนาดขึ้น วิธีเหล่านี้เสี่ยงต่อการรบกวนกันของสัญญาณและอาจเป็นอันตรายต่อความปลอดภัยของมนุษย์ นอกจากนี้ การใช้กล้องวิดีโอในสถานการณ์ที่มีแสงสว่างต่ำและผลกระทบ “ghosting effect” ในการถ่ายภาพความร้อนแบบเดิมๆ ได้เพิ่มความซับซ้อนในการรับรู้ของเครื่องจักร
HADAR มุ่งหวังที่จะแก้ไขปัญหาเหล่านี้ “วัตถุและสภาพแวดล้อมของมันจะส่งและกระจายรังสีความร้อนอย่างต่อเนื่อง ทำให้เกิดภาพที่ไม่มีรายละเอียดพื้นผิวที่เรียกว่า ‘ghosting effect'” Bao อธิบาย “รูปภาพความร้อนของใบหน้าคนจะแสดงเฉพาะรูปหน้าและความแตกต่างของอุณหภูมิเท่านั้น ไม่มีลักษณะเฉพาะให้แยกแยะ ทำให้ดูเหมือนคุณได้เห็นภูตผี การสูญเสียข้อมูล รายละเอียดพื้นผิว และลักษณะเฉพาะนี้เป็นอุปสรรคต่อการรับรู้ของเครื่องจักรโดยใช้รังสีความร้อน”
วิธีการของ HADAR คือการผสมผสานฟิสิกส์ความร้อน การถ่ายภาพอินฟราเรด และการเรียนรู้ของเครื่องจักร ทำให้เครื่องจักรรับรู้แบบพาสซีฟอย่างสมบูรณ์โดยไม่ส่งสัญญาณออกไป และคำนึงถึงหลักฟิสิกส์ Jacob เน้นย้ำถึงการเปลี่ยนแปลงที่ HADAR นำมา “งานของเราสร้างรากฐานของทฤษฎีข้อมูลการรับรู้ความร้อนเพื่อแสดงให้เห็นว่าความมืดมิดมีปริมาณข้อมูลเท่ากับแสงสว่างกลางวัน การวิวัฒนาการทำให้มนุษย์เชื่อมั่นในความสำคัญของแสงสว่างกลางวัน การรับรู้ของเครื่องจักรในอนาคตจะเอาชนะความแตกต่างที่มีมาอย่างยาวนานระหว่างกลางวันและกลางคืน”
ผลกระทบเชิงปฏิบัติและทิศทางในอนาคต
ประสิทธิภาพของ HADAR ได้รับการเน้นย้ำโดยความสามารถในการกู้คืนรายละเอียดพื้นผิวในฉากนอกถนนยามกลางคืน “HADAR TeX vision กู้คืนรายละเอียดพื้นผิวและเอาชนะ ‘ghosting effect'” Bao กล่าว มันสามารถแยกแยะลวดลายซับซ้อน เช่น ระลอกน้ำและร่องบนเปลือกไม้ได้อย่างแม่นยำ โดยแสดงให้เห็นถึงความสามารถในการรับรู้ที่เหนือกว่า
อย่างไรก็ตาม ก่อนที่ HADAR จะสามารถนำไปใช้ในการใช้งานจริง เช่น รถยนต์ไร้คนขับหรือโรบอต มีข้อจำกัดที่ต้องแก้ไข Bao กล่าวว่า “เซ็นเซอร์ปัจจุบันมีขนาดใหญ่และหนัก เนื่องจากอัลกอริทึม HADAR ต้องใช้รังสีอินฟราเรดที่มองไม่เห็นหลายช่วงความยาวคลื่น เพื่อนำไปใช้กับรถยนต์ไร้คนขับหรือโรบอต เราต้องลดขนาดและราคา และทำให้กล้องทำงานเร็วขึ้น” ความหวังคือการเพิ่มความเร็วของเฟรมเรตของเซ็นเซอร์ปัจจุบัน ซึ่งสร้างภาพทุกๆ วินาที เพื่อตอบสนองความต้องการของรถยนต์ไร้คนขับ
ในด้านการประยุกต์ใช้ แม้ว่า HADAR TeX vision จะถูกออกแบบมาเพื่อใช้กับรถยนต์ไร้คนขับและโรบอต แต่ศักยภาพของมันไปไกลกว่านั้น ตั้งแต่เกษตรกรรมและการป้องกันประเทศ ไปจนถึงการดูแลสุขภาพและการตรวจสอบสัตว์ป่า ความเป็นไปได้มากมาย
ในฐานะที่เป็นการยอมรับการค้นพบของพวกเขา Jacob และ Bao ได้รับการสนับสนุนจาก DARPA และได้รับรางวัล 50,000 ดอลลาร์จาก Trask Innovation Fund ของ Office of Technology Commercialization ทั้งสองได้ แจ้งนวัตกรรมของตนต่อสำนักงานถ่ายทอดเทคโนโลยี Purdue Innovates แล้ว ซึ่งเป็นขั้นตอนแรกในการยื่นขอสิทธิบัตรผลงานนี้ การวิจัยที่เปลี่ยนแปลงนี้จากมหาวิทยาลัย Purdue มีแนวโน้มที่จะกำหนดขอบเขตใหม่ของการรับรู้ของเครื่องจักร ทำให้ทางไปสู่อนาคตที่ปลอดภัยและมีประสิทธิภาพมากขึ้นในด้านโรบอติกส์และอื่นๆ












