DIGITIMES|3D建模提升机器人空间感知能力
_本文原题为：3D建模提升机器人空间感知能力
作者：DIGITIMES涂翠珊
文章图片
美国麻省理工学院(MIT)以Kimera数据库为基础 ， 结合了3D几何建模与3D语义网面模型 ， 打造了一套全新的3D动态场景图模型(3DDynamicSceneGraphs) 。 机器人可透过这套模型模拟人类观察环境的方式 ， 提升对周遭空间的感知能力 。
MIT研究团队认为 ， 要使机器人听从较高端的指令 ， 首先得让机器人以人类的方式观察周遭环境 ， 于是研究团队利用开放源码的Kimera数据库 ， 打造出一套名为3D动态场景图的模型 ， 协助机器人迅速生成周遭环境的3D地图 ， 并将环境中的物件与语义标签都包含在内 。 如此机器人在收到指令后 ， 便能更快下决定并规划路径 。
以往机器人的视觉与导航能力主要依赖3D制图与语义分割两种途径 。 MIT团队先前开发的Kimera数据库 ， 能够同时建构环境的3D几何模型 ， 并将物件依概似(likelihood)编码 ， 研究团队便以此为基础 ， 打造第一个能实时生成3D地图 ， 同时为3D地图中动态的人物、架构注记标签的系统 。
Kimera模型可借由摄影机影像及传感器的测量数据 ， 实时重建3D场景 。 在建立3D语义网面时 ， Kimera利用了既有的神经网络 ， 预测每个像素的标签 ， 再将标签以光线投射(ray-casting)的方式建立3D网面 。
然而如果机器人只依靠Kimera模型执行导航任务 ， 需耗费大量的运算资源与时间 ， 因此研究团队开发出了新的算法 ， 将原本高度密集的Kimera3D语义网面 ， 拆解成一个个语义阶层 ， 如此机器人就能透过特定的层次 ， 例如物件人物、房间 ， 乃至整栋建筑物 ， 观看周围的场景 ， 不必再经由繁复的3D网面 。 此外 ， 算法也能实时追踪物件人物层的人物移动与形状 。
【DIGITIMES|3D建模提升机器人空间感知能力】研究人员指出 ， 机器人学会以人类的方式感知环境后 ， 不论对自驾车、搜救、协作生产、居家机器人 ， 或是AR发展 ， 都能产生相当大的影响 。
推荐阅读
- 新潮数码体验坊|换芯提升性价比是否值得——简评HIFIMAN R2R2000红太子播放器，原创
- miui12|小米MIUI 12稳定版再更新，版本12.0.7，提升安全性、拍照性能
- iambillbil|M.2 SSD体验，提升电脑速度立竿见影，金泰克256G
- cnBeta|990版Galaxy Note 20 Ultra跑分曝光 性能没有很大提升，Exynos
- 石墨烯|中科院传来又一捷报，关键性能提升1000倍，美：为何现在才公开
- MacBook Pro|围观！新款13寸MacBook Pro评测：性能提升了15％｜但却不再出众
- 每日互联网|全力开发应用替代GMS，华为：HMS生态优先级提升至最高
- 与非网|二季度中国5G手机出货占三分一，商家利用降价策略提升销量
- 产业气象站|淘宝电商：提升直播间权重方法
- 小超超谈酷玩|米家运动鞋4稳定性能依然保持较大提升，轻量化鞋体结构+部件