Forskere fra Massachusetts Institute of Technology (MIT) har utviklet et nytt visjonssystem som vil hjelpe husholdningsroboter å gjenkjenne gjenstander bedre. Samtidig vil det redusere antall feilidentifikasjoner. Den nylig utviklede algoritmen er nøyaktig og ti ganger raskere, noe som gjør den mye mer praktisk for sanntidsdistribusjon med husholdningsroboter.
For at husholdningsroboter skal være praktiske, må de kunne gjenkjenne gjenstandene de skal manipulere.
Men mens gjenstandsgjenkjenning pleier å være et av de mest studerte emnene innen kunstig intelligens, mislykkes selv de beste objektdetektorene fremdeles mye av tiden..
MITs Cheetah-robot er nå utenfor båndet, kan løpe og hoppe stille
Hovedforfatter Lawson Wong, kandidatstudent i elektroteknikk og informatikk og hovedforfatter ved MITs laboratorium for datavitenskap og kunstig intelligens sa:
"Hvis du bare tok resultatet av å se på det fra ett synspunkt, er det mange ting som mangler, eller det kan være belysningsvinkelen eller noe som blokkerer objektet som forårsaker en systematisk feil i detektoren."
Wong og teamet hans vurderte scenarier der de hadde 20 til 30 forskjellige bilder av husholdningsobjekter gruppert sammen på et bord.
I flere av scenariene inkluderte klyngen flere forekomster av det samme objektet tett pakket sammen, noe som gjør oppgaven med å matche forskjellige perspektiver vanskeligere.
Forskerne viste at et system som bruker en hyllegoritme for å samle forskjellige perspektiver, kan gjenkjenne fire ganger så mange objekter som en som bruker et enkelt perspektiv..