Forskare från Massachusetts Institute of Technology (MIT) har utvecklat ett nytt visionsystem som hjälper hushållsrobotar att känna igen föremål bättre. Samtidigt skulle det minska antalet felidentifieringar. Den nyutvecklade algoritmen är exakt och tio gånger snabbare, vilket gör den mycket mer praktisk för realtidsdistribution med hushållsrobotar.
För att hushållsrobotar ska vara praktiska måste de kunna känna igen objekten de ska manipulera.
Men medan objektigenkänning tenderar att vara ett av de mest studerade ämnena inom artificiell intelligens, misslyckas även de bästa objektdetektorerna fortfarande mycket av tiden.
MITs Cheetah-robot är nu ur koppel, kan springa och hoppa tyst
Huvudförfattaren Lawson Wong, doktorand i elektroteknik och datavetenskap och huvudförfattare vid MIT: s datalogi och artificiella intelligenslaboratorium sa:
"Om du bara tog resultatet av att titta på det från en synvinkel finns det många saker som kan saknas eller det kan vara belysningsvinkeln eller något som blockerar objektet som orsakar ett systematiskt fel i detektorn."
Wong och hans team övervägde scenarier där de hade 20 till 30 olika bilder av hushållsobjekt grupperade på ett bord.
I flera av scenarierna inkluderade klustret flera instanser av samma objekt tätt packade ihop, vilket gör uppgiften att matcha olika perspektiv svårare.
Forskarna visade att ett system som använder en vanlig algoritm för att sammanställa olika perspektiv kan känna igen fyra gånger så många objekt som ett som använder ett enda perspektiv.