כבני אדם, בדרך כלל אין לנו בעיה רבה לתפוס חפצים משולחן, בין אם הם אובייקט מוצק, כמו תפוח, ובין אם הם שקופים כמו למשל כוס. עם זאת, עבור מחשבים ורובוטים, זה סיפור אחר, אבל בזכות אלגוריתם חדש בשם ClearGrasp, זה עשוי להיות נחלת העבר.
הסביר לאחרונה בשנת בלוג ה- AI של גוגל, מתואר כיצד צוות חוקרים של גוגל, אוניברסיטת קולומביה ו- Synthesis AI, הצליח לפתח אלגוריתם למידת מכונה חדש שיכול לאמוד במדויק נתוני תלת מימד מאובייקט שקוף מתוך RGB-D תמונות. מכיוון שרוב דגמי ההדמיה מבוססים על אובייקטים מוצקים המניחים את כל המשטחים, בין אם זה שולחן או א יכול להיות סודה, הם למברטניים - הם מחזירים אור באופן שווה לכל הכיוונים - חפצים שקופים יכולים להוות בעיות. הסיבה לכך היא שאובייקטים אלה לא רק מחזירים את האור, אלא גם האור נשבר, מה שבתורו גורם לבעיות עבור מערכות ההדמיה.
Verizon מציעה את פיקסל 4a במחיר של 10 דולר לחודש בלבד בקווים חדשים ללא הגבלה
הדמיית אובייקטים משמשת ביישומים רבים ממחסנים, תעשיות רכב, למרבה הצער, היא משמשת אפילו במטבחים. כך שהיכולת לא רק לראות אובייקטים מוצקים אלא גם אובייקט שקוף, מושכת מסיבות רבות. מודל AI חדש זה מלמד מחשבים להיות מסוגלים לשחזר עומק מתמונות תלת ממדיות שצולמו ממצלמות RGB-D.
צוותי המחקר הזינו כמויות גדולות של נתונים למודל למידת המכונה כדי להגביר את הדיוק בזיהוי האובייקט שלהם מודלים למערכת הרובוטים שלהם "בחר ובמקום", שעושה כשמו כן הוא אוסף חפצים ומציב אותם באחר מקום. מערכת הלמידה החדשה הגדילה את יכולתו של הרובוט לאתר ולתפוס במדויק אובייקטים שקופים באמצעות אחיזת לסת מקבילה מ -12% ל -74% ומ -64% ל -86% בשימוש בלסת יניקה.
עם הגדלת השימוש ברובוטיקה והיישומים החדשים אנו רואים את יכולותיהם מיושמות. מחקר חדש זה רק יגביר את השימוש ברובוטים עוד יותר. עם זאת, הדמיה ממוחשבת אינה משמשת רק לחפצים שתופסים רובוטים, אלא משמשת למצלמות בבתים, מכוניות ודרכים רבות אחרות - אז מי יודע מה צפוי העתיד למערכות אלה?