Новый фильтр улучшает робототехническое зрение для точной 6D оценки позы

Роботы хороши в выполнении идентичных повторяющихся движений, таких как простая задача на сборочной линии. Но им не хватает способности воспринимать объекты, движущиеся через среду. Недавнее исследование провели ученые из Университета Иллинойса в Урбана-Шампейне, NVIDIA, Университета Вашингтона и Стэнфордского университета по 6D оценке позы объекта для разработки фильтра, дающего роботам более великое пространственное восприятие, чтобы они могли манипулировать объектами и навигировать через пространство точнее.

Пока 3D поза дает информацию о локации на осях X, Y, Z — относительная локация объекта относительно камеры — 6D поза дает гораздо более полную картину. Как описание самолета в полете, роботу нужно знать три измерения ориентации объекта: рысканье, тангаж, крен. В реальных средах все шесть измерений постоянно меняются.

Фильтр разработан для помощи роботам в анализе пространственных данных. Фильтр смотрит на каждую частицу, или кусок изображений, собранных камерами, нацеленными на объект, чтобы помочь снизить ошибки суждения.

В image-based 6D pose estimation фреймворке, частичный фильтр использует сэмплы для оценки позиции и ориентации. Каждая частица — как гипотеза — предположение о позиции и ориентации, требующее оценки. Частичный фильтр использует наблюдение для вычисления важности информации от других частиц и устраняет некорректные оценки.

Ранее не было системы для оценки полного распределения ориентации объекта. Это дает важную информацию неопределенности для робототехнической манипуляции. Новый фильтр использует 6D object pose tracking в Rao-Blackwellized particle filtering фреймворке, где 3D вращение и 3D трансляция объекта разделены. Это позволяет новому подходу, называемому PoseRBPF, эффективно оценивать 3D трансляцию объекта вместе с полным распределением над 3D вращением. В результате Pose-RBPF может отслеживать объекты с произвольными симметриями, сохраняя адекватные апостериорные распределения.

Для получения информации свяжитесь с Лоис Йок-соулиан по email (защищен от спам-ботов, нужен JS); 217-244-2788.