Βελτιωμένη ρομποτική όραση

Η αναγνώριση αντικειμένων (και του περιβάλλοντος γενικότερα) είναι ένα από τα πιο ευρέως μελετώμενα προβλήματα στον τομέα του computer vision (όραση υπολογιστών). Ειδικά για τα ρομπότ έχει πάρα πολύ μεγάλη σημασία, καθώς ένα ρομπότ το οποίο κινείται στον πραγματικό κόσμο δεν αρκεί απλά να αναγνωρίζει κάτι, αλλά πρέπει να μπορεί και να αντιληφθεί τον προσανατολισμό και τη θέση του.
Πάνω σε αυτό το πλαίσιο κινείται η δουλειά του Τζάρεντ Γκλόβερ, του Τμήματος Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών του ΜΙΤ. Σε paper το οποίο θα παρουσιαστεί τον Νοέμβριο στην International Conference on Intelligent Robots and Systems, ο Γκλόβερ και η Σάνια Πόποβιτς, απόφοιτη του ΜΙΤ που εργάζεται πλέον στην Google, θα παρουσιάσουν έναν πρωτοποριακό αλγόριθμο ρομποτικής όρασης, ο οποίος είναι 15% καλύτερος από τον κορυφαίο ανταγωνιστή του στην ταυτοποίηση αντικειμένων εντός χώρων με πολλά αντικείμενα – και πάλι, αυτό υπό την προϋπόθεση οπτικών δεδομένων υψηλής ποιότητας εντός γνωστού περιβάλλοντος.
Το «εργαλείο» που βρίσκεται στην καρδιά του συστήματος προέρχεται από το χώρο της στατιστικής και είναι το αποκαλούμενο Bingham distribution (κατανομή Μπίνγκαμ). Ο Γκλόβερ το χρησιμοποιεί για την ανάλυση του προσανατολισμού μπαλών του πινγκ πονγκ εν πτήσει, στο πλαίσιο ενός προγράμματος εκπαίδευσης ρομπότ στο πινγκ πονγκ. Ειδικά σε περιπτώσεις όπου τα οπτικά δεδομένα είναι πολύ περιορισμένα, ο αλγόριθμος παρουσιάζεται 50% καλύτερος σε σχέση με τις άλλες εναλλακτικές. Ο Γκλόβερ έχει επίσης αναπτύξει μία σειρά εργαλείων λογισμικού για την επιτάχυνση των υπολογισμών, τα οποία είναι δωρεάν διαθέσιμα online.

Περισσότερα: http://www.naftemporiki.gr/story/711967