Ako gornji gif izgleda poznato, to je vjerojatno zato što izgleda jezivo slično ovome:
Ovo je, naravno, način na koji T-800 Terminator vidi i prepoznaje predmete u svijetu po dolasku iz budućnosti u Terminator 2: Sudnji dan.
Slično kao u filmu, istraživači s MIT-ovog Laboratorija za računalne znanosti i umjetnu inteligenciju stvorili su objekt sustav prepoznavanja koji može točno identificirati objekte pomoću normalne RGB kamere (bez prijetećeg filtra krvavo-crvene boje potreban). Ovaj bi sustav mogao pomoći budućim robotima u učinkovitijoj interakciji s objektima dok se kreću našim složenim svijetom.
“U idealnom slučaju želimo da nam u nekom trenutku u budućnosti roboti čiste suđe. Želimo sustave prepoznavanja u kojima zapravo vidi objekte o kojima bi robot trebao brinuti i njima manipulira,” kaže Sudeep Pillai, glavni autor studija.
Sustav se temelji na klasičnim sustavima prepoznavanja, kao i na drugom sustavu koji se zove "istovremena lokalizacija i mapiranje” (SLAM), koji uređajima poput autonomnih vozila ili robota omogućuje trodimenzionalni prostorni svijest. Timov novi "SLAM-aware" sustav mapira svoje okruženje dok prikuplja informacije o objektima s više točaka gledišta. Sa svakim novim kutom, program može predvidjeti koji su objekti razlažući ih na njihove osnovne komponente. Zatim uspoređuje ovaj sastavljeni opis s bazom podataka postojećih opisa objekata. Na primjer, ako SLAM-svjesni sustav vidi stolicu, može je rastaviti kao sjedalo, četiri noge i naslon.
Budući da sustav koji je svjestan SLAM-a stvara trodimenzionalnu kartu onoga što vidi, također može bolje izdvojiti jedan objekt iz drugog. Svaka nova točka gledišta dodaje opisne informacije o svakom objektu. Ovaj sustav smanjuje dvosmislenost i povećava vjerojatnost ispravnog klasificiranja objekata i razlikovanja jednog objekta od drugog.
Sustav za prepoznavanje objekata svjestan SLAM-a
SLAM-aware sustav razlikuje se od klasičnih sustava za prepoznavanje slike koje tim naziva "SLAM-nesvjesni", jer oni ne stvaraju trodimenzionalnu kartu i mogu otkriti objekte samo jedan kadar po jedan. Usporedbe radi, sustavi koji zaboravljaju na SLAM imaju mnogo veće poteškoće u prepoznavanju više objekata u pretrpanom okruženju od sustava koji su svjesni SLAM-a. U gifu ispod, netočna predviđanja bljeskaju crveno.
U jednom eksperimentu, sustav koji poznaje SLAM uspio je ispravno identificirati scenu objekata s 86,1 posto točnost, koja je usporediva s naprednim sustavima posebne namjene koji mogu uzeti u obzir dubinske informacije infracrvenim svjetlo. Iako ovi sustavi posebne namjene mogu biti vrlo precizni, čak 92,8 posto točnosti, to dolazi po cijenu vremena. Neki od tih sustava imali su vrijeme rada od oko 4 sekunde, dok je SLAM-svjesni sustav imao vrijeme rada od 1,6 sekundi. Sustavi koji koriste infracrveno svjetlo također imaju problema s radom vani zbog teških uvjeta osvjetljenja.
"Činjenica da ga ne možete koristiti na otvorenom čini ga pomalo nepraktičnim sa stajališta robotike, jer želite da ovi sustavi rade u zatvorenom i na otvorenom", kaže Pillai.
U budućnosti, Pillai i njegov tim žele izgraditi svoj sustav kako bi također riješili klasični izazov robotike koji se zove "zatvaranje petlje". Ovo je kada roboti ne mogu prepoznati lokacije na kojima su prethodno bili, što je važno za navigaciju i interakciju s svijet. Sustav koji poznaje SLAM mogao bi početi rješavati ovaj problem dopuštajući robotima da prepoznaju određene objekte na različitim lokacijama i klasificiraju ih kao važnije za tu određenu lokaciju.
Istraživači su predstavili svoju studiju ovog mjeseca na Znanost i sustavi robotike konferenciji u Rimu, Italija.
"Ne želimo se natjecati s konkurentskim sustavima prepoznavanja, želimo ih moći integrirati na lijep način", kaže Pillai.
Nema riječi o tome olakšava li sustav koji prepoznaje SLAM lociranje i zaštitu John Connor.