Como seres humanos, normalmente no tenemos muchos problemas para agarrar objetos de una mesa, ya sean objetos sólidos, como una manzana, o transparentes como, por ejemplo, un vaso. Sin embargo, para las computadoras y los robots, esa es una historia diferente, pero gracias a un nuevo algoritmo llamado ClearGrasp, eso puede convertirse en una cosa del pasado.
Explicado en un reciente en Blog de IA de Google, se describe cómo un equipo de investigadores de Google, la Universidad de Columbia y Synthesis AI, pudieron desarrollar un nuevo algoritmo de aprendizaje automático que puede estimar con precisión datos 3D de un objeto transparente de RGB-D imágenes. Dado que la mayoría de los modelos de imágenes se basan en objetos sólidos que asumen todas las superficies, ya sea una mesa o un lata de refresco, son lambertianos; reflejan la luz de manera uniforme en todas las direcciones; los objetos transparentes pueden posar problemas. Esto se debe a que estos objetos no solo reflejan la luz, sino que la luz también se refracta, lo que a su vez causa problemas para los sistemas de imágenes.
Verizon ofrece Pixel 4a por solo $ 10 / mes en nuevas líneas ilimitadas
La imagen de objetos se usa en muchas aplicaciones de almacenes, industrias automotrices, diablos, incluso se usa en cocinas. Por lo tanto, la capacidad no solo de ver objetos sólidos, sino también un objeto transparente, es atractiva por una multitud de razones. Este nuevo modelo de IA enseña a las computadoras a ser capaces de reconstruir la profundidad a partir de imágenes en 3D capturadas con cámaras RGB-D.
Los equipos de investigación introdujeron grandes cantidades de datos en el modelo de aprendizaje automático para aumentar la precisión de la detección de objetos. modelos para su sistema de robot "pick and place", que, como su nombre lo indica, recoge objetos y los coloca en otro ubicación. El nuevo sistema de aprendizaje aumentó la capacidad del robot para detectar y agarrar con precisión objetos transparentes utilizando una pinza de mandíbula paralela del 12% al 74% y del 64% al 86% cuando se utiliza una mandíbula de succión.
Con el aumento del uso de la robótica y las nuevas aplicaciones, vemos que se están aplicando sus capacidades. Esta nueva investigación solo ampliará aún más el uso de robots. Sin embargo, las imágenes por computadora no solo se usan para agarrar objetos por parte de robots, sino que también se usan para cámaras en hogares, automóviles y muchas otras formas, entonces, ¿quién sabe qué depara el futuro para estos sistemas?