Mensen zijn al lange tijd meesters in handigheid, een vaardigheid die grotendeels kan worden toegeschreven aan de hulp van onze ogen. Robots zijn ondertussen nog steeds bezig met een inhaalslag. Er is zeker enige vooruitgang geboekt: al decennia lang kunnen robots in gecontroleerde omgevingen zoals assemblagelijnen hetzelfde object steeds opnieuw oppakken.
Recente doorbraken in de computervisie hebben het voor robots mogelijk gemaakt om basisverschillen tussen objecten te maken, maar toch kunnen robots de vormen van objecten niet echt begrijpen, dus ze kunnen er niet veel aan doen om ze snel op te pakken.
MIT computerwetenschappen en kunstmatige intelligentie laboratorium (CSAIL), de onderzoekers rapporteerden in een nieuw document, ze hebben grote vooruitgang geboekt in het veld, het systeem kan de robot toestaan om willekeurige objecten te controleren, en visueel voldoende over hen te weten, en in het geval van had ze nog nooit specifieke taken laten uitvoeren.
Het systeem, genaamd "Dense Object Nets" (DON), beschouwt objecten als verzamelingen punten die dienen als "visuele routekaarten" van soorten. Met deze aanpak kunnen robots items beter begrijpen en manipuleren, en, het allerbelangrijkste, hen in staat stellen om zelfs een specifiek object op te halen uit een overvloed aan vergelijkbare objecten - een waardevolle vaardigheid voor het soort machines dat bedrijven zoals Amazon en Walmart gebruiken in hun magazijnen .
Iemand zou DON bijvoorbeeld kunnen gebruiken om een robot een specifieke positie op een voorwerp te laten innemen - zoals een tong. Sindsdien kan het een schoen zien die hij nog nooit eerder had gezien en zijn tong kon grijpen.
Het team kijkt naar potentiële toepassingen, niet alleen in de productieomgeving, maar ook thuis. Stel u voor dat het systeem een afbeelding krijgt van een opgeruimd huis om het schoon te houden terwijl u werkt, of met behulp van een afbeelding van een plaat, zodat het systeem uw bord terwijl je op vakantie bent.
Wat ook opvalt, is dat geen van de gegevens daadwerkelijk door mensen is gelabeld; in plaats daarvan is het systeem "zelfbeheerd", dus het vereist geen menselijke annotaties.
