Технологии, которые наделяют мобильных роботов творческой силой
Создавайте то, чего вы не видите — синтез изображений для мобильных роботов-манипуляторов
Это краткое изложение исследования – лишь одно из многих, которые еженедельно публикуются в информационном бюллетене для ученых, занимающихся искусственным интеллектом. Чтобы начать получать еженедельную рассылку, зарегистрируйтесь здесь.
В то время как люди могут полагаться на прошлый опыт для достижения завершения формы любых закрытых объектов, роботам необходимо исследовать и сканировать весь объект, чтобы понять его.
Для автономной работы мобильные роботы-манипуляторы должны иметь полное представление о модели объекта. Их сенсорные способности ограничены тем, что, если объект незнаком, робот должен обогнуть его или использовать камеру для сканирования с нескольких точек зрения.
Человек делает это очень быстро, но для робота такой подход занимает много времени. Кроме того, таким роботам может быть трудно изучить каждую точку зрения, необходимую для получения полных знаний о конкретном объекте.
В свете всего этого исследователи разработали систему, которая может генерировать набор изображений для конкретного объекта с желаемых точек зрения, используя одно входное изображение для использования мобильными роботами-манипуляторами.
Генерация изображений в зависимости от вида для мобильных роботов-манипуляторов
Предлагаемый метод представляет собой глубокую нейронную сеть, обученную «представлять» внешний вид объекта с разных точек зрения. Он принимает одно RGB-изображение объекта в качестве входных данных и возвращает набор RGB-изображений и изображений глубины, что избавляет от обычного и трудоемкого сканирования.
Хотя возможности реконструкции из одного вида уже были достигнуты с использованием глубоких нейронных сетей, трудно получить мелкие детали воссозданных объектов напрямую, поскольку процедура требует больших вычислительных ресурсов. Новый метод реализует детектор объектов на основе CNN для извлечения объекта из естественной среды, а предлагаемая нейронная сеть генерирует набор изображений RGB и глубины.
Метод был протестирован как на синтетических, так и на реальных изображениях и доказал свою высокую эффективность.
Возможное использование и эффекты
Синтез на основе изображений может обеспечить лучшее пространственное разрешение реконструированных объектов. Таким образом, предлагаемый подход является обязательным в области мобильных роботов-манипуляторов.
Этот подход может помочь роботам лучше понять пространственные свойства объекта без необходимости выполнять полное сканирование, которое требует много времени, а иногда и невозможно.
Спасибо за чтение. Комментируйте, делитесь и не забывайте подписаться! Кроме того, подписывайтесь на меня в Twitter и LinkedIn. Не забудьте поставить 👏, если вам понравилась эта статья. Ваше здоровье!
