[ad_1]
Otomatisasi secara efektif manipulasi robot objek transparan akan membantu untuk melakukan banyak tugas. Sebuah studi baru-baru ini di arXiv.org mengusulkan Dex-NeRF, metode baru berdasarkan Neural Radiance Field untuk merasakan geometri objek transparan dan memungkinkan robot untuk berinteraksi dengannya.
Objek transparan. Kredit gambar: Piqsels, CC0 Domain Publik
Ini menggunakan Neural Radiance Fields (NeRF) sebagai bagian dari pipa. NeRF mempelajari kerapatan semua titik di ruang angkasa, yang sesuai dengan seberapa besar kontribusi warna yang bergantung pada pandangan dari setiap titik terhadap sinar yang melewatinya. Sifat NeRF yang bergantung pada tampilan memungkinkannya untuk mewakili geometri yang terkait dengan transparansi.
Geometri dipulihkan melalui kombinasi lampu tambahan untuk menciptakan refleksi specular dan thresholding untuk menemukan titik transparan yang terlihat dari beberapa arah pandangan. Kemudian, geometri diteruskan ke perencana pegang. Hasil eksperimen menunjukkan bahwa perencanaan genggaman berbasis NeRF mencapai akurasi tinggi dan 90% atau tingkat keberhasilan pemahaman yang lebih baik pada objek nyata.
Kemampuan untuk menangkap dan memanipulasi objek transparan merupakan tantangan utama bagi robot. Kamera kedalaman yang ada mengalami kesulitan dalam mendeteksi, melokalisasi, dan menyimpulkan geometri objek tersebut. Kami mengusulkan penggunaan bidang pancaran saraf (NeRF) untuk mendeteksi, melokalisasi, dan menyimpulkan geometri objek transparan dengan akurasi yang cukup untuk menemukan dan menangkapnya dengan aman. Kami memanfaatkan densitas terpelajar yang tidak bergantung pada tampilan NeRF, menempatkan lampu untuk meningkatkan pantulan spekuler, dan melakukan rendering kedalaman yang sadar akan transparansi yang kami masukkan ke dalam perencana genggaman Dex-Net. Kami menunjukkan bagaimana lampu tambahan menciptakan pantulan spekular yang meningkatkan kualitas peta kedalaman, dan menguji pengaturan untuk sel kerja robot yang dilengkapi dengan serangkaian kamera untuk melakukan manipulasi objek transparan. Kami juga membuat kumpulan data sintetis dan nyata dari objek transparan dalam pengaturan dunia nyata, termasuk objek tunggal, tabel berantakan, dan rak teratas mesin pencuci piring. Di setiap pengaturan, kami menunjukkan bahwa NeRF dan Dex-Net mampu dengan andal menghitung genggaman kuat pada objek transparan, mencapai tingkat keberhasilan 90% dan 100% pegang dalam eksperimen fisik pada ABB YuMi, pada objek di mana metode dasar gagal.
Makalah penelitian: Ichnowski, J., Avigal, Y., Kerr, J., dan Goldberg, K., “Dex-NeRF: Using a Neural Radiance Field to Grasp Transparent Objects”, 2021. Tautan: https://arxiv.org/abs/210.14217
[ad_2]
