رنگ دوربین می آموزد آشپزخانه روبات برای گرفتن روشن چیزهای

یک راه جدید برای تدریس آشپزخانه روبات چگونه انتخاب کنید تا شفاف یا بازتاب اشیاء با استفاده از فقط یک رنگ دوربین محققان گزارش.

آشپزخانه روبات محبوب چشم انداز آینده, اما اگر یک ربات از امروز تلاش می کند تا به درک روشنی فنجان اندازه گیری و یا براق چاقو آن را به احتمال زیاد قادر نخواهد بود به. شفاف و منعکس کننده اشیاء و چیزهایی از ربات کابوس.

عمق دوربین که درخشش نور مادون قرمز بر روی یک شی برای تعیین شکل آن کار خوبی برای شناسایی اشیاء مات. اما نور مادون قرمز عبور می کند حق را از طریق پاک کردن اشیاء و پراکنده کردن سطوح بازتابنده می گوید دیوید برگزار می شود, دستیار استاد در دانشگاه کارنگی ملون دانشگاه رباتیک موسسه.

در نتیجه عمق دوربین نمی تواند محاسبه دقیق شکل و در نتیجه تا حد زیادی تخت و یا سوراخ سرند اشکال به صورت شفاف و منعکس کننده اشیاء است.

اما یک رنگ دوربین را مشاهده می کنید شفاف و منعکس کننده اشیاء و همچنین مات هستند. بنابراین roboticists توسعه یک رنگ دوربین سیستم به رسمیت شناختن اشکال بر اساس رنگ.

یک دوربین استاندارد اندازه گیری نمی تواند اشکال مانند عمق اما محققان با این وجود می تواند آموزش سیستم جدید به تقلید از عمق سیستم و به طور ضمنی استنباط شکل به درک اشیاء. آنها را با استفاده از عمق تصاویر دوربین از مات اشیاء زوج با تصاویر رنگی از کسانی که اشیاء مشابه.

پس از آموزش آنها اعمال رنگ دوربین سیستم شفاف و براق اشیاء. بر اساس این تصاویر همراه با هر اندک اطلاعات عمق دوربین می تواند با ارائه این سیستم می تواند درک این به چالش کشیدن اشیاء با درجه بالایی از موفقیت است.

“ما گاهی اوقات از دست ندهید” برگزار شد می گوید: “اما در بیشتر قسمت آن را یک کار خیلی خوب خیلی بهتر از هر سیستم قبلی برای فهم شفاف یا بازتاب اشیاء.”

این سیستم نمی تواند انتخاب کنید تا شفاف یا بازتاب اشیاء به عنوان موثر به عنوان مات اشیاء می گوید توماس Weng یک دانشجوی دکترا در رباتیک. اما از آن است که به مراتب موفق تر از عمق سیستم های دوربین به تنهایی.

و مرکب آموزش انتقال استفاده می شود برای آموزش سیستم طوری موثر است که این سیستم رنگ ثابت تقریبا به خوبی به عنوان عمق سیستم دوربین در چیدن اشیاء مات.

“سیستم ما نه تنها می توانید انتخاب کنید تا فردی شفاف و منعکس کننده اشیاء, اما آن را نیز می تواند درک اشیاء از جمله در هم ریخته شمع,” او می گوید.

تلاش دیگر در رباتیک بتواند از اشیاء شفاف باید با تکیه بر سیستم های آموزشی مبتنی بر exhaustively تکرار اقدام محتضر—منظور از 800,000 تلاش—یا گران انسان شوی از اشیاء.

این سیستم جدید با استفاده از یک تجاری RGB-D دوربین است که قادر به از هر دو رنگ (RGB) و عمق تصاویر (D). این سیستم می تواند با استفاده از این سنسور تنها به مرتب کردن بر اساس از طریق بازیافت و یا مجموعه های دیگر از اشیاء—برخی از مات برخی از شفاف برخی از بازتاب.

محققان در حال حاضر سیستم در تابستان امسال در کنفرانس بین المللی رباتیک و اتوماسیون کنفرانس های مجازی.

اضافی نویسندگان هستند از بیت Pilani در هند ShanghaiTech و کارنگی ملون. بنیاد ملی علوم, سونی, شرکت, دفتر تحقیقات نیروی دریایی کنگره هوشمند تجهیزات شرکت ، و ShanghaiTech کار پشتیبانی می کند.

منبع: دانشگاه کارنگی ملون

مطالعه اصلی

tinyurlis.gdclck.ruulvis.net