重新定义机器人技术:普渡大学的创新机器视觉解决方案

ROBOT@qwh 2023-10-12 阅读:160 评论:0
受人尊敬的普渡大学的研究人员在机器人、机器视觉和感知领域取得了重大飞跃。他们的突破性方法比传统技术有了显着的改进,有望在未来机器比以往任何时候都更有效、更安全地感知周围环境。介绍HADAR:机器感知的革命性飞跃Elmore电气和计算机工程副...

iamge.PNG

受人尊敬的普渡大学的研究人员在机器人、机器视觉和感知领域取得了重大飞跃。他们的突破性方法比传统技术有了显着的改进,有望在未来机器比以往任何时候都更有效、更安全地感知周围环境。

介绍HADAR:机器感知的革命性飞跃

Elmore电气和计算机工程副教授Zubin Jacob与研究科学家Fanglin Bao合作,介绍了一种名为HADAR的开创性方法,是热辅助检测和测距的缩写。他们的创新引起了极大的关注,这种认可扩大了人们对HADAR在各个领域的潜在应用的预期。

传统上,机器感知依赖于激光雷达、雷达和声纳等主动传感器,这些传感器发出信号以收集有关周围环境的三维数据。然而,这些方法带来了挑战,尤其是在扩大规模时。它们容易受到信号干扰,甚至可能对人类安全构成风险。摄像机在低光照条件下的局限性以及传统热成像中的“重影效应”进一步使机器感知复杂化。

HADAR寻求应对这些挑战。“物体及其环境不断发射和散射热辐射,导致无纹理的图像,众所周知的'重影效应',”鲍解释说。他继续说:“一个人脸部的热照片只显示轮廓和一些温度对比;没有任何功能,让您看起来像看到了鬼魂。这种信息、纹理和特征的损失是使用热辐射进行机器感知的障碍。

HADAR的解决方案结合了热物理、红外成像和机器学习,可实现完全被动和物理感知的机器感知。雅各布强调了HADAR带来的范式转变,他说:“我们的工作建立了热感知的信息理论基础,表明漆黑携带的信息量与光天化日之下相同。进化使人类偏向于白天。机器对未来的感知将克服这种长期存在的白天和黑夜之间的二分法。

实际影响和未来方向

HADAR在越野夜间场景中恢复纹理的能力强调了其有效性。“HADAR TeX视觉恢复了纹理并克服了重影效应,”鲍指出。它准确地描绘了水波纹和树皮皱纹等复杂的图案,展示了其卓越的感官能力。

然而,在将HADAR集成到自动驾驶汽车或机器人等实际应用中之前,还有一些挑战需要解决。鲍说:“电流传感器又大又重,因为HADAR算法需要多种颜色的不可见红外辐射。为了将其应用于自动驾驶汽车或机器人,我们需要降低尺寸和价格,同时使相机更快。其愿望是提高电流传感器的帧速率,该传感器目前每秒创建一次图像,以满足自动驾驶汽车的需求。

在应用方面,虽然HADAR TeX视觉目前是为自动驾驶汽车和机器人量身定制的,但其潜力要大得多。从农业和国防到医疗保健和野生动物监测,可能性是巨大的。

为了表彰他们的开创性工作,Jacob和Bao获得了DARPA的资助,并从技术商业化办公室的Trask创新基金获得了50,000美元的资助。两人已经向普渡大学创新技术商业化办公室披露了他们的创新,并采取了为他们的作品申请专利的第一步。

普渡大学的这项变革性研究将重新定义机器感知的边界,为机器人及其他领域更安全、更高效的未来铺平道路。


版权声明

本文仅代表作者观点,不代表本网站立场。
本文系作者授权本网站发表,未经许可,不得转载。

发表评论
热门文章
  • 使用众包反馈来帮助训练机器人

    使用众包反馈来帮助训练机器人
    为了教人工智能代理一项新任务,比如如何打开厨房柜子,研究人员经常使用强化学习——这是一种试错过程,在该过程中,代理会因采取更接近目标的行动而获得奖励。在许多情况下,人类专家必须仔细设计奖励函数,这是一种激励机制,赋予代理人探索的动力。当智能体探索并尝试不同的动作时,人类专家必须迭代地更新奖励函数。这可能非常耗时、效率低下,并且难以扩展,尤其是当任务复杂且涉及许多步骤时。来自麻省理工学院、哈佛大学和华盛顿大学的研究人员开发了一种新的强化学习方法,该方法不依赖于专门设计的奖励函数...
  • 在音频中将你的描述和内容分开模型AudioSep

    在音频中将你的描述和内容分开模型AudioSep
    语言查询音频源分离(LASS)是计算听觉场景分析(CASA)的新范例。LASS 旨在根据自然语言查询从音频混合物中分离出目标声音,这为数字音频应用程序提供了自然且可扩展的接口。最近的 LASS 工作尽管在特定源(例如乐器、有限类别的音频事件)上取得了有希望的分离性能,但无法在开放域中分离音频概念。在这项工作中,我们介绍了 AudioSep,这是一种使用自然语言查询进行开放域音频源分离的基础模型。我们在大规模多模态数据集上训练 AudioSep,并广泛评估其在音频事件分离、乐器...
  • 与大型语言模型和机器人相关的资源、文章和观点列表

    与大型语言模型和机器人相关的资源、文章和观点列表
    我们收集了一些与大型语言模型(LLM)相关的文章,观点,视频和资源。其中一些链接还涵盖了其他生成模型。我们将定期更新此列表,以添加任何其他感兴趣的资源。本文是该系列的第三篇。(以前的版本在这里:v1 |v2.)什么是法学硕士以及它们是如何工作的什么是生成AI模型?,Kate Soule,来自IBM Technology的视频。大型语言模型简介,John Ewald,来自Google Cloud Tech的视频。什么是 GPT-4,它与 ChatGPT 有何不同?,A...
  • 拆解 OpenAI 的新董事会

    拆解 OpenAI 的新董事会
    在人工智能和技术领域掀起波澜的惊人事件中,人工智能领域的领先实体 OpenAI 最近的领导地位发生了重大转变。以萨姆·奥尔特曼 (Sam Altman) 戏剧性地重返首席执行官职位以及随之而来的董事会改组为标志,这些变化代表了该组织的关键时刻。OpenAI 以其在人工智能研究和开发方面的开创性工作而闻名,包括广泛认可的 ChatGPT 和 DALL-E 模型,站在人工智能进步的最前沿。因此,董事会的重组不仅仅是人员的变动,还标志着人工智能领域最具影响力的组织之一的方向、优先事...
  • 机器人烹饪方法YORI

    机器人烹饪方法YORI
    由加州大学洛杉矶分校的机器人与机械实验室一直在研究,既利用机器人友好的自动化,又利用人类技能,使事物味道正确,的烹饪机器人解决方案。   论文链接:https://spectrum.ieee.org/romela-cooking-robot...