Ako ľudia zvyčajne nemáme veľký problém chytiť predmety zo stola, či už sú to pevné objekty, ako napríklad jablko, alebo či sú priehľadné, napríklad ako pohár. Pre počítače a roboty je to však iný príbeh, ale vďaka novému algoritmu s názvom ClearGrasp sa to môže stať minulosťou.
Vysvetlené nedávno v Blog AI spoločnosti Google, je popísané, ako tím výskumníkov Google, Columbia University a Synthesis AI, bol schopný vyvinúť a nový algoritmus strojového učenia, ktorý dokáže presne odhadnúť 3D dáta z priehľadného objektu z RGB-D snímky. Pretože väčšina zobrazovacích modelov je založená na pevných objektoch, ktoré zaberajú všetky povrchy, či už ide o tabuľku alebo a sódovka, sú lambertiánske - odrážajú svetlo rovnomerne do všetkých strán - môžu predstavovať priehľadné predmety problémy. Je to tak preto, lebo tieto objekty nielen odrážajú svetlo, ale tiež sa lámu, čo zase spôsobuje problémy zobrazovacím systémom.
Verizon ponúka Pixel 4a na nových linkách Unlimited iba za 10 dolárov za mesiac
Zobrazovanie objektov sa používa v mnohých aplikáciách zo skladov, automobilového priemyslu, sakra dokonca sa používa aj v kuchyniach. Schopnosť nielen vidieť pevné objekty, ale aj priehľadný objekt je atraktívna z mnohých dôvodov. Tento nový model AI učí počítače, aby boli schopné rekonštruovať hĺbku z 3D obrázkov nasnímaných fotoaparátmi RGB-D.
Výskumné tímy vložili do modelu strojového učenia veľké množstvo údajov, aby zvýšili presnosť detekcie svojich objektov modely pre ich robotický systém „pick and place“, ktorý, ako už názov napovedá, vyberá objekty a umiestňuje ich do iného umiestnenie. Nový systém učenia zvýšil schopnosť robota presne detekovať a chytiť priehľadné objekty pomocou uchopovača s paralelnými čeľusťami z 12% na 74% a zo 64% na 86% pri použití sacej čeľuste.
S rastúcim využitím robotiky a novými aplikáciami vidíme, ako sa ich schopnosti uplatňujú. Tento nový výskum ešte viac umocní využitie robotov. Počítačové zobrazovanie sa však nepoužíva iba na robotické chytanie predmetov, ale používa sa aj na fotoaparáty v domácnostiach, automobiloch a na mnoho ďalších spôsobov - kto teda vie, čo bude v budúcnosti pre tieto systémy vyzerať?