机器人视觉重大突破，DaoAI神经网络算法提高精准度

Posted 2021-04-24 国际机器视觉研究

物体识别是计算机视觉中研究最广泛的问题之一。但是，机器人需要做的不仅仅是识别它们; 它还需要了解他们的在三维空间里的具体位置和状态。那个杯子是正面向上还是倒置？它的手柄面向哪个方向？它在什么位置？尤其是在工业生产线中，每一个毫米级的差异都是一个新的状态，否则，他就不能被正确的抓取并装配生产。

为了提高机器人测量物体定位的能力，北京微链道爱科技有限公司和加拿大SFU大学计算机学院（全球排名前50的计算机学院）的研究生们正在开发一种名为DaoAI神经网络算法的统计结构。他们将于7月在中国机器人产业联盟会议上发表的一篇论文中，“赋予机器人认知：基于深度学习的3D机器人视觉”，描述了一种新的机器人视觉算法，基于DaoAI神经网络算法，比国际最好的竞争对手在识别杂乱场景中熟悉的物体方面好50％。

然而，该算法用于在熟悉的设置中分析高质量的视觉数据。因为DaoAI分布是概率推理的工具，所以它在信息不完整或不可靠的环境中具有更大的优势。在正在进行的工作中，研究人员正在使用DaoAI神经网络来分析运动中的空调冷凝器的三维坐标和方向，作为生产空调冷凝器移动打胶项目的人工替代。这项工作目前在国际上还无法用成熟的机器替代。

“精准是机器人技术中许多问题的关键，从物体检测和跟踪到获得点云数据，” RALPH说，作为现任微链国际机器人视觉研究院首席战略官。“模糊的图像实际上是在高度混乱和恶劣的生产场景中获得良好精度的核心挑战，例如在烟尘和酷热的随意放置的流水线上。这就是为什么DaoAI神经网络似乎是一个有用的工具，因为它允许算法从每个细节中获取更多关键信息并学习推理。“

基于DaoAI的WeRobotics Cognition System发行版对他的工作至关重要，因此微链还开发了一套软件工具，可以大大加快涉及它们的计算速度。该软件可在线免费获取，供其他研究人员使用。

旋转误差

DaoAI神经网络对于机器人视觉如此有用的一个原因是它提供了一种组合来自不同来源的信息的方法。通常，确定对象的方向需要尝试将对象的几何模型叠加在由摄像机捕获的视觉数据上 - 在系统工作的情况下，摄像机捕获二维彩色图像以及有关的信息、色块的距离。

为简单起见，假设物体是四面体，几何模型由标记四面体四个角的四个点组成。想象一下，软件已经识别出图像中的四个位置，其中颜色或深度值突然变化 - 可能是对象的一部分。它是四面体吗？

然后，问题归结为采取两组点 - 模型和对象 - 并确定一个点是否可以叠加在另一个上。大多数算法将首先尝试对齐点,在四面体的情况下，假设在临时对齐之后，模型中的每个点都靠近对象中的一个点，但与它不完全一致。

如果两组点实际上描述了相同的对象，则可以通过围绕其中一个点来对齐它们。对于任何给定的点对 - 一个来自模型，一个来自对象 - 可以计算围绕特定轴旋转的一个特定角度的点将与另一个点对齐的概率。问题是相同的旋转可能会使另一对点移动得更远。

然而，WeRobotics能够证明，任何给定点对的旋转概率都可以描述为DaoAI神经网络分布，这意味着它们可以组合成单个累积的DaoAI神经网络分布。这允许WeRobotics和DaoAI神经网络的算法以原则方式探索可能的旋转，快速收敛于提供点之间最佳拟合的旋转。

整体

此外，与DaoAI神经网络分布可以将每对点的概率组合成单个概率的方式相同，它还可以包含来自其他信息源的概率 - 例如对象曲面的曲率估计。当前版本的WeRobotics和DaoAI算法将点旋转概率与其他几种概率相结合。

在涉及特定杂乱场景的视觉数据的实验中 - 描绘机器人将要操作的环境类型 - WeRobotics的算法具有与最佳现有算法大致相同的假阳性率：大约99％的对象标识是正确的，而竞争对手为83％。但它能够确定场景中物体的百分比显着更高--90％对50％。微链的研究人员认为，这种差异是因为他的算法能够更好地确定物体方向。

他还认为，额外的信息来源可以进一步提高算法的性能。例如，DaoAI神经网络分布还可以包含关于特定对象的统计信息 - 例如，咖啡杯可以是倒置的或正面朝上的，但是很少在对角线处找到它。

实际上，正是因为DaoAI神经网络分布的灵活性，微链科技认为它是机器人研究的一个有前途的工具。“你可以把你的整个博士学位编程用于寻找桌椅，杯子等等，但实际上并没有很多通用工具，”RALPH说。“有了更大的问题，例如估计物体与其属性之间的关系，处理有些模糊不清的事物，机器人真的不知道我们需要的对象在什么位置。在我们做到这一点之前，我真的认为机器人能做的会非常有限。”