Nouveau filtre améliore la vision robotique pour estimation de pose 6D précise

Les robots sont bons pour faire des mouvements répétitifs identiques comme une tâche simple sur une chaîne d'assemblage. Mais ils manquent de la capacité à percevoir les objets alors qu'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 Stanford sur l'estimation de pose 6D d'objets pour développer un filtre donnant aux robots une meilleure perception spatiale, pour qu'ils puissent manipuler des objets et naviguer dans l'espace plus précisément.

Alors que la pose 3D fournit l'information de localisation sur les axes X, Y et Z — localisation relative de l'objet par rapport à la caméra — la pose 6D donne une image bien plus complète. Un peu comme décrire un avion en vol, le robot a besoin de connaître les trois dimensions de l'orientation de l'objet : lacet (yaw), tangage (pitch) et roulis (roll). Dans les environnements réels, les six dimensions changent constamment.

Le filtre a été développé pour aider les robots à analyser les données spatiales. Le filtre examine chaque particule, ou morceau d'information d'image collecté par des caméras visées sur un objet pour aider à réduire les erreurs de jugement.

Dans un cadre d'estimation de pose 6D basée sur l'image, un filtre particulaire 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 estimation. Le filtre particulaire utilise l'observation pour calculer la valeur d'importance de l'information des autres particules et élimine les estimations incorrectes.

Précédemment, il n'y avait pas de système pour estimer la distribution complète de l'orientation de l'objet. Cela donne une information d'incertitude importante pour la manipulation robotique. Le nouveau filtre utilise le suivi de pose 6D d'objet dans le cadre de filtrage particulaire de Rao-Blackwell, 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 avec la distribution complète sur la rotation 3D. En résultat, Pose-RBPF peut suivre des objets avec symétries arbitraires tout en maintenant des distributions postérieures adéquates.

Pour plus d'informations, contactez Lois Yok-soulian à cet email protégé ; 217-244-2788.