当前位置: 时时彩稳赚技巧 > 案例展示 > 新算法应能使家用机器人更好地识别物体
案例展示/Announcement

新算法应能使家用机器人更好地识别物体

发布时间:2018-05-16  点击数:[21]

来自MIT的新研究表明,使用现成算法聚合不同视角的系统允许家庭机器人识别使用单一视角的物体的四倍,同时减少错误识别的数量。 ; / EM>

对于家用机器人来说实用性,他们需要能够识别他们应该操纵的物体。但是,虽然物体识别是人工智能中研究最广泛的主题之一,但即使是最好的物体探测器仍然会失败很多时候。

麻省理工学院计算机科学与人工智能实验室的研究人员认为,家庭机器人应该利用他们的移动性和相对静态的环境,通过在对他们的身份进行判断之前从多个角度对物体进行成像,使物体识别更容易。然而,将不同图像中描绘的对象进行匹配,却带来了自己的计算挑战。

在即将出版的国际机器人研究期刊上发表的一篇论文中,麻省理工学院的研究人员表明,使用现成算法聚合不同视角的系统可以识别四倍于使用单一视角的对象,同时减少错误识别的次数。

然后,他们提出了一种同样精确的新算法,但在某些情况下,这种算法的速度提高了10倍,使其对于家庭机器人的实时部署更加实用。

“如果你只是从一个角度看待它的输出,那么可能缺少很多东西,或者它可能是照明角度或阻挡物体的东西,从而导致检测器发生系统误差,”Lawson说。 Wong,电气工程和计算机科学的研究生以及新论文的主要作者。 “解决这个问题的方法之一就是转向并转向不同的观点。”

第一次刺伤

Wong和他的论文顾问 - 松下计算机科学与工程学教授Leslie Kaelbling和工程学院教学卓越教授TomásLozano-Pérez--考虑了他们有20到30个不同家庭物体图像聚集在一起的场景一张桌子。在一些场景中,集群包括同一个对象的多个实例,紧密排列在一起,这使得匹配不同视角的任务更加困难。

他们尝试的第一种算法是针对跟踪系统(例如雷达)而开发的,该系统还必须确定在不同时间成像的物体是否实际相同。 “这已经有数十年了,”Wong说。 “有一个很好的理由,那就是它确实运作良好。这是大多数人想到的第一件事。“

对于每一对连续的图像,该算法生成多个假设,其中一个中的哪些对象对应于另一个中的哪些对象。问题是增加了假设化合物的数量作为新的观点。为了保持计算的可管理性,该算法在每个步骤中都放弃除顶部假设以外的所有其他假设。即便如此,在最后一个假设生成之后,对它们进行排序是一项非常耗时的任务。

代表性抽样

为了达到更高效的算法,麻省理工学院的研究人员采用了不同的方法。他们的算法不会丢弃它在连续图像上产生的任何假设,但它也不试图挑选它们。相反,它随机抽样。由于不同假设之间存在显着的重叠,足够数量的样本通常会对任何两幅连续图像中的物体之间的对应关系产生共识。

为了保持所需的样本数量低,研究人员采用了一种简化的技术来评估假设。假设算法从一个角度识别三个对象,并从另一个角度识别四个对象。比较假设的最精确数学方法是考虑两组对象之间的每一组可能的匹配:第一个视图中的对象1,2和3与第二个对象中的对象1,2和3匹配的集合;在第一个对象1,2和4中匹配对象1,2和3的集合;将第一视图中的对象1,2和3与第二视图中的对象1,3和4相匹配的集合,依此类推。在这种情况下,如果包含检测器发生错误并且某些对象被某些视图遮挡的可能性,则该方法将产生304个不同的匹配组。

相反,研究人员的算法分别考虑第一组中的每个对象,并评估其映射到第二组中的对象的可能性。因此,第一组中的对象1可以映射到第二个中的对象1,2,3或4,对象2也可以映射到对象1,依此类推。同样,考虑到误差和遮挡的可能性,这种方法只需要20次比较。

但是,它确实为无意义的结果敞开了大门。该算法可以得出结论,第二组中对象3的最可能匹配是第一对象3,并且也可以得出结论:第二组中对象4的最可能匹配是第一对象3。所以研究人员的算法也寻找这样的双映射并重新评估它们。这需要额外的时间,但并不像考虑汇总映射那么多。在这种情况下,该算法将执行32次比较 - 超过20次,但显着小于304次。

发表:将在国际机器人研究杂志上发表

资料来源:麻省理工学院新闻节目Larry Hardesty

图片:Christine Daniloff和Jose-Luis Olivares / MIT

Copyright © 2017 时时彩稳赚技巧 版权所有

>