O filtro melhora a visão do robô na estimativa de pose 6D

Os robôs são bons em fazer movimentos repetitivos idênticos, como uma tarefa simples em uma linha de montagem. Mas eles não têm a capacidade de perceber objetos à medida que se movem através de um ambiente. Um estudo recente foi realizado por pesquisadores da Universidade de Illinois em Urbana-Champaign, da NVIDIA, da Universidade de Washington e da Universidade de Stanford sobre a estimativa de pose de objetos 6D para desenvolver um filtro para dar aos robôs maior percepção espacial, para que eles possam manipular objetos e navegar através do espaço com mais precisão.

Enquanto a pose 3D fornece informações de localização nos eixos X, Y e Z - localização relativa do objeto em relação à câmera - a pose 6D fornece uma imagem muito mais completa. Assim como descrever um avião em voo, o robô precisa conhecer as três dimensões da orientação do objeto:guinada, inclinação e rolagem. Em ambientes da vida real, todas essas seis dimensões estão mudando constantemente.

O filtro foi desenvolvido para ajudar os robôs a analisar dados espaciais. O filtro analisa cada partícula ou informação de imagem coletada por câmeras direcionadas a um objeto para ajudar a reduzir erros de julgamento.

Em uma estrutura de estimativa de pose 6D baseada em imagem, um filtro de partículas usa amostras para estimar a posição e a orientação. Cada partícula é como uma hipótese – um palpite sobre a posição e orientação que requer estimativa. O filtro de partículas usa a observação para calcular o valor de importância das informações das outras partículas e elimina as estimativas incorretas.

Anteriormente, não havia um sistema para estimar a distribuição completa da orientação do objeto. Isso fornece informações importantes de incerteza para a manipulação do robô. O novo filtro usa rastreamento de pose de objeto 6D na estrutura de filtragem de partículas Rao-Blackwellizada, onde a rotação 3D e a tradução 3D de um objeto são separadas. Isso permite que a nova abordagem, chamada PoseRBPF, estime com eficiência a translação 3D de um objeto junto com a distribuição completa sobre a rotação 3D. Como resultado, o Pose-RBPF pode rastrear objetos com simetrias arbitrárias enquanto ainda mantém distribuições posteriores adequadas.

Para mais informações, entre em contato com Lois Yok-soulian em Este endereço de e-mail está protegido contra spambots. Você precisa habilitar o JavaScript para visualizá-lo.; 217-244-2788.