Ihmisinä meillä ei yleensä ole paljon ongelmia esineiden tarttumisesta pöydältä riippumatta siitä, ovatko ne kiinteitä esineitä, kuten omenaa, vai ovatko ne läpinäkyviä kuin esimerkiksi lasin. Tietokoneille ja robotteille tämä on kuitenkin erilainen tarina, mutta uuden ClearGrasp-nimisen algoritmin ansiosta siitä voi olla menneisyyttä.
Selitetty äskettäin Googlen tekoälyblogi, on kuvattu, kuinka Google-tutkijoiden ryhmä, Columbian yliopisto ja Synthesis AI, pystyivät kehittämään uusi koneoppimisalgoritmi, joka pystyy arvioimaan tarkasti 3D-datan läpinäkyvästä objektista RGB-D: stä kuvia. Koska useimmat kuvantamismallit perustuvat kiinteisiin esineisiin, jotka ottavat kaikki pinnat, olipa kyseessä pöytä tai a soodakannut ovat lambertialaisia - heijastavat valoa tasaisesti kaikkiin suuntiin - läpinäkyvät esineet voivat aiheuttaa ongelmia. Tämä johtuu siitä, että nämä kohteet paitsi heijastavat valoa, mutta myös valo taittuvat, mikä puolestaan aiheuttaa ongelmia kuvantamisjärjestelmille.
Verizon tarjoaa Pixel 4a: n vain 10 dollaria kuukaudessa uusille rajoittamattomille linjoille
Objektikuvantamista käytetään monissa sovelluksissa varastoista, autoteollisuudesta, ja sitä käytetään jopa keittiöissä. Joten kyky nähdä kiinteiden esineiden lisäksi myös läpinäkyvä esine on houkutteleva monista syistä. Tämä uusi tekoälymalli opettaa tietokoneita pystymään rekonstruoimaan syvyyden RGB-D-kameroista otetuista 3D-kuvista.
Tutkimusryhmät syöttivät suuria määriä tietoa koneoppimismalliin objektin havaitsemisen tarkkuuden lisäämiseksi malleja heidän "valitse ja aseta" -robottijärjestelmälle, joka nimensä mukaisesti poimii esineet ja sijoittaa ne toiseen sijainti. Uusi oppimisjärjestelmä lisäsi robotin kykyä tunnistaa ja tarttua läpinäkyviin esineisiin tarkasti yhdensuuntaisen leuan tarttujalla 12 prosentista 74 prosenttiin ja 64 prosentista 86 prosenttiin imuleuan käytön yhteydessä.
Robotiikan käytön lisääntyessä ja uusien sovellusten avulla näemme heidän kykyjään soveltavansa. Tämä uusi tutkimus vain vahvistaa robottien käyttöä entisestään. Tietokonekuvantamista ei kuitenkaan käytetä vain robottien tarttumiseen esineisiin, sitä käytetään kameroihin kodeissa, autoissa ja monilla muilla tavoilla - niin kuka tietää, mitä näiden järjestelmien tulevaisuus voi odottaa?