Filter Meningkatkan Visi Robot pada Estimasi Pose 6D

Robot pandai membuat gerakan berulang yang identik seperti tugas sederhana di jalur perakitan. Tetapi mereka tidak memiliki kemampuan untuk melihat objek saat mereka bergerak melalui lingkungan. Sebuah studi baru-baru ini dilakukan oleh para peneliti di University of Illinois di Urbana-Champaign, NVIDIA, University of Washington, dan Stanford University pada estimasi pose objek 6D untuk mengembangkan filter untuk memberi robot persepsi spasial yang lebih besar, sehingga mereka dapat memanipulasi objek dan menavigasi menembus ruang dengan lebih akurat.

Sementara pose 3D memberikan informasi lokasi pada sumbu X, Y, dan Z — lokasi relatif objek terhadap kamera — pose 6D memberikan gambaran yang jauh lebih lengkap. Sama seperti menggambarkan pesawat terbang dalam penerbangan, robot perlu mengetahui tiga dimensi orientasi objek:yaw, pitch, dan roll. Dalam lingkungan kehidupan nyata, keenam dimensi tersebut terus berubah.

Filter dikembangkan untuk membantu robot menganalisis data spasial. Filter melihat setiap partikel, atau potongan informasi gambar yang dikumpulkan oleh kamera yang ditujukan ke suatu objek untuk membantu mengurangi kesalahan penilaian.

Dalam kerangka estimasi pose 6D berbasis gambar, filter partikel menggunakan sampel untuk memperkirakan posisi dan orientasi. Setiap partikel seperti hipotesis — tebakan tentang posisi dan orientasi yang membutuhkan estimasi. Filter partikel menggunakan pengamatan untuk menghitung nilai pentingnya informasi dari partikel lain dan menghilangkan estimasi yang salah.

Sebelumnya, tidak ada sistem untuk memperkirakan distribusi penuh dari orientasi objek. Ini memberikan informasi ketidakpastian penting untuk manipulasi robot. Filter baru menggunakan pelacakan pose objek 6D dalam kerangka kerja penyaringan partikel Rao-Blackwel, di mana rotasi 3D dan terjemahan 3D dari suatu objek dipisahkan. Hal ini memungkinkan pendekatan baru, yang disebut PoseRBPF, untuk secara efisien memperkirakan terjemahan 3D dari suatu objek bersama dengan distribusi penuh selama rotasi 3D. Hasilnya, Pose-RBPF dapat melacak objek dengan simetri yang berubah-ubah sambil tetap mempertahankan distribusi posterior yang memadai.

Untuk informasi lebih lanjut, hubungi Lois Yok-soulian di Alamat email ini dilindungi dari robot spam. Anda perlu mengaktifkan JavaScript untuk melihatnya.; 217-244-2788.