Les robots sont bons pour faire des mouvements répétitifs identiques, comme une simple tâche sur une chaîne de montage. (Prenez une tasse. Retournez-la. Posez-la.) Mais ils n'ont pas la capacité de percevoir les objets lorsqu'ils se déplacent dans un environnement. (Un humain prend une tasse, le dépose dans un endroit aléatoire, et le robot doit le récupérer.) Une étude récente a été menée par des chercheurs de l'Université de l'Illinois à Urbana-Champaign, Nvidia, l'Université de Washington, et l'Université de Stanford, sur l'estimation de la pose des objets 6D pour développer un filtre pour donner aux robots une plus grande perception spatiale afin qu'ils puissent manipuler les objets et naviguer dans l'espace avec plus de précision.

Alors que la pose 3D fournit des informations de localisation sur X, Oui, et les axes Z - emplacement relatif de l'objet par rapport à la caméra - la pose 6D donne une image beaucoup plus complète. "Un peu comme décrire un avion en vol, le robot doit également connaître les trois dimensions de l'orientation de l'objet :son lacet, terrain, et rouler, " dit Xinke Deng, doctorant étudiant avec Timothy Bretl, professeur agrégé au Département de génie aérospatial de l'U of I.

Et dans des environnements réels, ces six dimensions changent constamment.

"Nous voulons qu'un robot continue de suivre un objet lorsqu'il se déplace d'un endroit à un autre, " dit Deng.

Deng a expliqué que le travail a été fait pour améliorer la vision par ordinateur. Lui et ses collègues ont développé un filtre pour aider les robots à analyser les données spatiales. Le filtre regarde chaque particule, ou une information d'image collectée par des caméras dirigées vers un objet pour aider à réduire les erreurs de jugement.

"Dans un cadre d'estimation de pose 6D basé sur l'image, un filtre à particules utilise beaucoup d'échantillons pour estimer la position et l'orientation, " Dit Deng. " Chaque particule est comme une hypothèse, une estimation de la position et de l'orientation que nous voulons estimer. Le filtre particulaire utilise l'observation pour calculer la valeur d'importance des informations provenant des autres particules. Le filtre élimine les estimations incorrectes.

"Notre programme peut estimer non seulement une seule pose mais aussi la distribution d'incertitude de l'orientation d'un objet, " dit Deng. " Auparavant, il n'y a pas eu de système pour estimer la distribution complète de l'orientation de l'objet. Cela donne des informations importantes sur l'incertitude pour la manipulation du robot."

L'étude utilise le suivi de pose d'objet 6D dans le cadre de filtrage de particules Rao-Blackwellized, où la rotation 3-D et la translation 3-D d'un objet sont séparées. Cela permet à l'approche des chercheurs, appelé PoseRBPF, pour estimer efficacement la translation 3-D d'un objet ainsi que la distribution complète sur la rotation 3-D. Par conséquent, PoseRBPF peut suivre des objets avec des symétries arbitraires tout en maintenant des distributions postérieures adéquates.

"Notre approche permet d'obtenir des résultats de pointe sur deux benchmarks d'estimation de pose 6D, " dit Deng.

L'étude, "PoseRBPF :un filtre à particules Rao-Blackwellisé pour l'estimation de la pose d'objets 6D, " a été présenté à la Robotics Science and Systems Conference à Fribourg, Allemagne. Il est co-écrit par Xinke Deng, Arsala Mousavien, Yu Xiang, Fei Xia, Timothée Bretl, et Dieter Fox.