人工智能(AI)比機(jī)器人技術(shù)更徹底地改造了很少的領(lǐng)域?？偛课挥谂f金山的創(chuàng)業(yè)公司OpenAI開(kāi)發(fā)了一個(gè)模型，指導(dǎo)機(jī)械手以最先進(jìn)的精度操縱物體，Softbank Robotics最近利用情感分析公司Affectiva為其Pepper機(jī)器人注入情商。

最新進(jìn)展來(lái)自麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室(CSAIL)的研究人員，他們今天在一篇論文(“ 密集對(duì)象網(wǎng)：學(xué)習(xí)密集視覺(jué)對(duì)象

描述符和應(yīng)用于機(jī)器人操作”)中詳述了計(jì)算機(jī)視覺(jué)系統(tǒng)。 - 被稱(chēng)為密集對(duì)象網(wǎng) - 允許機(jī)器人檢查，視覺(jué)理解和操縱他們以前從未見(jiàn)過(guò)的物體。

該團(tuán)隊(duì)計(jì)劃于10月在瑞士蘇黎世召開(kāi)的機(jī)器人學(xué)習(xí)會(huì)議上展示他們的研究成果。

“許多操縱方法無(wú)法識(shí)別對(duì)象可能遇到的多個(gè)方向的特定部分，”該論文的第一作者，博士生Lucas Manuelli在麻省理工學(xué)院CSAIL網(wǎng)站上發(fā)表的博客文章中表示。“例如，現(xiàn)有的算法無(wú)法通過(guò)手柄抓住馬克杯，特別是如果馬克杯可能處于多個(gè)方向，如直立或側(cè)面。

DON不是控制系統(tǒng)。相反，它是一種自我監(jiān)督的深度神經(jīng)網(wǎng)絡(luò) - 分層算法，模仿大腦中神經(jīng)元的功能 - 經(jīng)過(guò)訓(xùn)練，以精確坐標(biāo)的形式生成對(duì)象的描述。在訓(xùn)練之后，它能夠自主地挑選出參考框架，并且當(dāng)呈現(xiàn)新物體時(shí)，將它們一起映射以在三維中可視化它們的形狀。

根據(jù)研究人員的說(shuō)法，對(duì)象描述符平均需要20分鐘才能學(xué)習(xí)，并且它們與任務(wù)無(wú)關(guān) - 也就是說(shuō)，它們適用于剛性物體(如帽子)和非剛性物體(長(zhǎng)毛絨)玩具)。(在一輪訓(xùn)練中，系統(tǒng)在僅看到六種不同類(lèi)型之后就學(xué)會(huì)了帽子的描述。)

此外，盡管對(duì)象顏色，紋理和形狀存在差異，但描述符仍保持一致，這使得DON在使用RGB或深度數(shù)據(jù)的模型上占了一席之地。因?yàn)楹笳邲](méi)有一致的對(duì)象表示并且有效地尋找“可抓取的”特征，所以它們?cè)诰哂猩踔凛p微變形的對(duì)象上找不到這樣的點(diǎn)。

“在工廠中，機(jī)器人通常需要復(fù)雜的零件供料器才能可靠地工作，”Manuelli說(shuō)。“但是像這樣能夠理解物體方向的系統(tǒng)可以拍攝照片，并能夠相應(yīng)地掌握和調(diào)整物體。”

在測(cè)試中，團(tuán)隊(duì)在參考圖像中選擇了一個(gè)像素，供系統(tǒng)自動(dòng)識(shí)別。然后他們使用Kuka手臂孤立地抓住物品(毛毛蟲(chóng)玩具)，特定類(lèi)別中的物品(不同種類(lèi)的運(yùn)動(dòng)鞋)，雜物中的物體(穿著其他鞋子的鞋子)。

在一次演示中，盡管從未在訓(xùn)練數(shù)據(jù)中看到帽子的照片，機(jī)器人手臂設(shè)法從一堆類(lèi)似的帽子中抓出一頂帽子。另一方面，它從一系列配置中抓住了毛毛蟲(chóng)玩具的右耳，證明它可以在對(duì)稱(chēng)物體上區(qū)分左右。

“我們觀察到，對(duì)于各種各樣的物體，我們可以獲得在視點(diǎn)和配置上一致的密集描述符，”研究人員寫(xiě)道。“各種物體包括適度變形的物體，例如柔軟的毛絨玩具，鞋子，馬克杯和帽子，并且可以包括非常低質(zhì)感的物體。其中許多物品都是從實(shí)驗(yàn)室周?chē)ト〉?包括作者和同事的鞋子和帽子)，我們對(duì)各種物體印象深刻，可以用相同的網(wǎng)絡(luò)架構(gòu)可靠地學(xué)習(xí)一致的密集視覺(jué)模型。訓(xùn)練。”

該團(tuán)隊(duì)認(rèn)為DON可能在工業(yè)環(huán)境中很有用(想想物體分類(lèi)倉(cāng)庫(kù)機(jī)器人)，但它希望開(kāi)發(fā)一個(gè)更強(qiáng)大的版本，可以通過(guò)“更深入地理解”相應(yīng)的對(duì)象來(lái)執(zhí)行任務(wù)。

研究人員寫(xiě)道：“我們認(rèn)為密集物體網(wǎng)是一種新穎的物體表現(xiàn)形式，可以實(shí)現(xiàn)機(jī)器人操作的許多新方法。” “我們有興趣探索解決操縱問(wèn)題的新方法，這些問(wèn)題利用了學(xué)習(xí)密集描述符提供的密集視覺(jué)信息，以及[看到]這些密集描述符如何有益于其他類(lèi)型的機(jī)器人學(xué)習(xí)，例如學(xué)習(xí)如何掌握，操縱和放置一組感興趣的物體。