blog

如果机器人想要“看到”世界,他们可以从大自然中学到很多东西

<p>愿景是自然之一,令人惊叹的创造已经伴随我们数亿年它对人类来说是一个关键的感觉,但我们经常认为这是理所当然的:也就是说,直到我们开始失去它或我们尝试重新创造它适用于机器人许多研究实验室(包括我们自己的研究实验室)已经对动物和昆虫中发现的视觉系统进行了几十年的建模</p><p>我们在蚂蚁,蜜蜂甚至是啮齿动物中进行了大量的研究,以模拟生物系统和使它对机器人有用,你通常需要了解该视觉系统的行为和神经基础了解更多:在蚂蚁的世界中,越小越难看到障碍物行为成分就是你观察动物所做的事情当你弄乱它所看到的东西时,这种行为如何变化,例如通过尝试不同的地标配置神经元件是动物中的电路,是大脑潜在的视觉学习任务,如导航识别是所有动物和机器人的基本视觉过程它是识别世界上熟悉的人,动物,物体和地标的能力由于其重要性,面部识别部分地被吸收到自然系统中,例如我们能够很早就识别出面孔沿着这些方向,一些人工人脸识别系统是基于生物系统如何被认为是起作用的</p><p>例如,研究人员已经创建了一组模拟不同层次的视觉处理层次的神经网络</p><p>灵长类动物创造一个能够进行人脸识别的系统视觉地点识别是任何在世界中导航的重要过程</p><p>地方识别是机器人或动物看待周围世界并能够协调它的过程,目前看到一些地方的过去记忆,或者在人类的情况下,对该地方的描述或期望在GPS导航出现之前,我们可能已经给出了类似的指令,直到你看到左边的教堂,然后右转弯,我们知道一个典型的教堂是什么样的,因此我们可以认出一个看到它这个地方识别可能听起来像一个简单的任务,直到遇到诸如外观变化之类的挑战,例如由昼夜循环或恶劣天气条件引起的外观变化视觉识别地方的另一个挑战是观点更改:如果您从不同的角度查看某个地点的方式会发生变化当第一次沿着道路回溯路线时遇到这种情况的极端例子 - 您正在从相反的角度遇到环境中的所有内容创建机器人系统尽管存在这些挑战,但能够识别这个地方需要视觉系统更深入地了解它周围的环境</p><p>视觉传感h ardware在过去十年中迅速发展,部分原因是智能手机中功能强大的相机的激增现代相机现在甚至可以匹配或超越更强大的自然视觉系统,至少在某些方面如此,例如,消费者相机现在可以看到以及在黑暗中调整人眼的能力新智能手机相机还可以每秒1000帧的速度录制视频,从而使机器人视觉系统的运行频率高于人类视觉系统专业机器人视觉传感,如动态视觉传感器(DVS)甚至更快,但只报告像素亮度的变化,而不是它的绝对颜色你可以在伦敦的海德公园散步中看到差异:并非所有的机器人摄像机都必须像传统的摄像机一样:机器人专家使用基于蚂蚁等动物如何看世界的专业相机在所有基于视觉的机器人和动物研究中的基本问题之一mals是视觉分辨率(或视力)所需要的,“完成工作”,对于许多昆虫和动物,如啮齿动物,他们可以访问的视觉分辨率相对较低 - 相当于几千像素的摄像头在许多情况下(与相机分辨率从800万像素到40百万像素的现代智能手机相比)所需的分辨率根据任务而变化很大 - 对于某些导航任务,蚂蚁和蜜蜂等动物只需要几个像素和机器人 但是对于更复杂的任务 - 例如自动驾驶汽车 - 可能需要更高的摄像机分辨率如果汽车要能够可靠地识别和预测人类行人正在做什么或打算做什么,他们可能需要高分辨率的视觉效果感知系统可以获取微妙的面部表情和身体运动对于寻求自然灵感的机器人专家来说,在模仿生物学和利用相机技术的不断进步之间存在着持续的紧张关系,而生物视觉系统在过去明显优于相机,技术的不断快速发展使得摄像机在许多情况下对自然系统具有卓越的感知能力这是唯一明智的,这些实用能力应该用于追求创造高性能和安全的机器人和自动驾驶汽车但生物学仍将发挥关键作用鼓舞人心的机器人专家自然王国在制造高度上限方面非常出色能够消耗最小空间,计算和功率资源的能力视觉系统,

查看所有