Onderzoekers van het Massachusetts Institute of Technology (MIT) hebben een nieuw vision-systeem ontwikkeld dat huishoudelijke robots helpt objecten beter te herkennen. Tegelijkertijd zou het aantal verkeerde identificaties worden verminderd. Het nieuw ontwikkelde algoritme is nauwkeurig en 10 keer sneller, waardoor het veel praktischer is voor realtime inzet met huishoudelijke robots.
Om praktische robots te kunnen gebruiken, moeten ze in staat zijn om de objecten te herkennen die ze zouden moeten manipuleren.
Maar hoewel objectherkenning vaak een van de meest bestudeerde onderwerpen in kunstmatige intelligentie is, falen zelfs de beste objectdetectoren nog steeds vaak..
De Cheetah-robot van MIT is nu los van de lijn, kan geruisloos rennen en springen
Hoofdauteur Lawson Wong, afgestudeerde student elektrotechniek en informatica en hoofdauteur aan het MIT-laboratorium voor computerwetenschappen en kunstmatige intelligentie zei:
"Als je gewoon de output hebt genomen om er vanuit één gezichtspunt naar te kijken, zijn er misschien veel dingen die ontbreken of is het misschien de verlichtingshoek of iets dat het object blokkeert dat een systematische fout in de detector veroorzaakt."
Wong en zijn team dachten na over scenario's waarin ze 20 tot 30 verschillende afbeeldingen hadden van huishoudelijke voorwerpen die samen op een tafel waren gegroepeerd.
In verschillende scenario's omvatte het cluster meerdere exemplaren van hetzelfde object dicht opeengepakt, wat het moeilijker maakt om verschillende perspectieven te matchen..
De onderzoekers toonden aan dat een systeem dat een standaard algoritme gebruikt om verschillende perspectieven samen te voegen, vier keer zoveel objecten kan herkennen als een systeem dat één enkel perspectief gebruikt..