在德克萨斯大学达拉斯分校的智能机器人和视觉实验室中，一个机器人在桌子周围移动一包黄油玩具。每次推动时，机器人都会通过德克萨斯大学达拉斯分校计算机科学家团队开发的新系统学习识别物体。
新系统允许机器人多次推动物体，直到收集到一系列图像，这反过来又使系统能够分割序列中的所有物体，直到机器人识别出这些物体。以前的方法依赖于机器人的单次推动或抓握来“学习”物体。
该团队于7 月 10 日至 14 日在韩国大邱举行的机器人：科学与系统会议上展示了其研究论文。会议论文的评选标准是新颖性、技术质量、重要性、潜在影响力和清晰度。
机器人可以做饭、清理厨房桌子和清空洗碗机的那一天还有很长的路要走。但该论文的资深作者喻翔博士表示，该研究小组在其机器人系统方面取得了重大进展，该系统利用人工智能帮助机器人更好地识别和记忆物体。
“如果你要求机器人拿起杯子或给你拿一瓶水，机器人需要识别这些物体，”埃里克·琼森工程与计算机科学学院计算机科学助理教授向说。
UTD 研究人员的技术旨在帮助机器人检测家庭等环境中发现的各种物体，并概括或识别常见物品的相似版本，例如不同品牌、形状或尺寸的水瓶。
向翔的实验室里有一个储物箱，里面装满了常见食物的玩具包，比如意大利面、番茄酱和胡萝卜，这些玩具包用来训练名为“Ramp”的实验室机器人。Ramp 是 Fetch Robotics 的一款移动机械手机器人，高约 4 英尺，位于圆形移动平台上。坡道有一个带有七个关节的长机械臂。末端是一只方形“手”，有两个手指可以抓握物体。
项说，机器人学习识别物品的方式与儿童学习与玩具互动的方式类似。
“推动物体后，机器人学会识别它，”项说。“利用这些数据，我们训练人工智能模型，这样机器人下次看到该物体时，就不需要再次推动它。当它第二次看到这个物体时，它就会把它捡起来。”
研究人员方法的新颖之处在于，机器人会推动每个物品 15 到 20 次，而之前的交互式感知方法仅使用一次推动。项说，多次推动使机器人能够使用 RGB-D 相机(其中包括深度传感器)拍摄更多照片，以更详细地了解每个项目。这减少了出错的可能性。
识别、区分和记忆物体的任务称为分割，是机器人完成任务所需的主要功能之一。
“据我们所知，这是第一个利用长期机器人交互进行对象分割的系统，”项说。
计算机科学博士生 Ninad Khargonkar 表示，参与该项目帮助他改进了帮助机器人做出决策的算法。
“开发算法并在抽象数据集上测试它是一回事;在现实世界的任务中测试它是另一回事，”Khargonkar 说。“看到现实世界的表现——这是一次重要的学习经历。”
研究人员的下一步是改进其他功能，包括规划和控制，这可以实现诸如对回收材料进行分类等任务。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！