Als mensen hebben we meestal niet zo'n probleem om objecten van een tafel te pakken, of ze nu een stevig object zijn, zoals een appel, of als ze transparant zijn zoals bijvoorbeeld een glas. Voor computers en robots is dat echter een ander verhaal, maar dankzij een nieuw algoritme genaamd ClearGrasp kan dat tot het verleden gaan behoren.
Uitgelegd in een onlangs in Google's AI-blog, er wordt beschreven hoe een team van Google-onderzoekers, Columbia University en Synthesis AI, een nieuw algoritme voor machine learning dat 3D-gegevens nauwkeurig kan schatten van een transparant object uit RGB-D afbeeldingen. Omdat de meeste beeldvormingsmodellen zijn gebaseerd op vaste objecten die alle oppervlakken aannemen, of het nu een tafel of een frisdrankblikje, zijn Lambertiaans - ze reflecteren het licht gelijkmatig in alle richtingen - transparante objecten kunnen poseren problemen. Dit komt omdat deze objecten niet alleen het licht reflecteren, maar het licht ook wordt gebroken, wat op zijn beurt problemen veroorzaakt voor de beeldvormingssystemen.
Verizon biedt de Pixel 4a aan voor slechts $ 10 / maand op nieuwe Unlimited-lijnen
Object-imaging wordt in veel toepassingen gebruikt in magazijnen, auto-industrieën, en zelfs in keukens. Dus het vermogen om niet alleen solide objecten te zien, maar ook een transparant object, is om verschillende redenen aantrekkelijk. Dit nieuwe AI-model leert computers om diepte te reconstrueren uit 3D-beelden die zijn vastgelegd met RGB-D-camera's.
De onderzoeksteams hebben grote hoeveelheden gegevens in het machine learning-model ingevoerd om de nauwkeurigheid van hun objectdetectie te vergroten modellen voor hun 'pick and place'-robotsysteem, dat, zoals de naam al aangeeft, objecten oppakt en in een ander plaatst plaats. Het nieuwe leersysteem verhoogde het vermogen van de robot om transparante objecten nauwkeurig te detecteren en vast te pakken met behulp van een grijper met parallelbek van 12% tot 74% en van 64% tot 86% bij gebruik van een zuigkaak.
Met het toenemende gebruik van robotica en de nieuwe toepassingen, zien we dat hun mogelijkheden worden toegepast. Dit nieuwe onderzoek zal het gebruik van robots alleen maar versterken. Computerbeeldvorming wordt echter niet alleen gebruikt voor het grijpen van objecten door robots, het wordt ook gebruikt voor camera's in huizen, auto's en vele andere manieren - dus wie weet wat de toekomst in petto heeft voor deze systemen?