Le filtre améliore la vision du robot sur l'estimation de pose 6D

Les robots sont doués pour effectuer des mouvements répétitifs identiques, comme une tâche simple sur une chaîne de montage. Mais ils n'ont pas la capacité de percevoir les objets lorsqu'ils se déplacent dans un environnement. Une étude récente a été menée par des chercheurs de l'Université de l'Illinois à Urbana-Champaign, NVIDIA, l'Université de Washington et l'Université de Stanford sur l'estimation de pose d'objet 6D pour développer un filtre pour donner aux robots une meilleure perception spatiale, afin qu'ils puissent manipuler des objets et naviguer. dans l'espace avec plus de précision.

Alors que la pose 3D fournit des informations de localisation sur les axes X, Y et Z - emplacement relatif de l'objet par rapport à la caméra - la pose 6D donne une image beaucoup plus complète. Tout comme pour décrire un avion en vol, le robot doit connaître les trois dimensions de l'orientation de l'objet :lacet, tangage et roulis. Dans des environnements réels, ces six dimensions changent constamment.

Le filtre a été développé pour aider les robots à analyser les données spatiales. Le filtre examine chaque particule ou élément d'information d'image collecté par les caméras dirigées vers un objet pour aider à réduire les erreurs de jugement.

Dans un cadre d'estimation de pose 6D basé sur l'image, un filtre à particules utilise des échantillons pour estimer la position et l'orientation. Chaque particule est comme une hypothèse - une supposition sur la position et l'orientation qui nécessite une estimation. Le filtre à particules utilise l'observation pour calculer la valeur d'importance des informations des autres particules et élimine les estimations incorrectes.

Auparavant, il n'existait aucun système pour estimer la distribution complète de l'orientation de l'objet. Cela donne des informations importantes sur l'incertitude pour la manipulation du robot. Le nouveau filtre utilise le suivi de pose d'objet 6D dans le cadre de filtrage de particules Rao-Blackwel-lisé, où la rotation 3D et la translation 3D d'un objet sont séparées. Cela permet à la nouvelle approche, appelée PoseRBPF, d'estimer efficacement la translation 3D d'un objet ainsi que la distribution complète sur la rotation 3D. En conséquence, Pose-RBPF peut suivre des objets avec des symétries arbitraires tout en conservant des distributions a posteriori adéquates.

Pour plus d'informations, contactez Lois Yok-soulian à Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer Javascript pour le voir.; 217-244-2788.