Machinevisiesysteem leert zichzelf objecten herkennen

Zelflerende robots die in staat zijn 'bewuster' hun omgeving waar te nemen kunnen veelzijdiger worden ingezet en op termijn magazijn en productievloer overstijgen. 

Wanneer robotvisie binnen de nauwe grenzen waarvoor het ontworpen is wordt gebruikt, is die vandaag heel goed. Dit volstaat voor machines die een bepaalde beweging keer op keer moeten uitvoeren: denk maar aan een voorwerp van een productielijn opnemen en het in een bak plaatsen. Willen robots echter voor meer worden ingezet dan alleen maar voor dergelijke specifieke taken in fabrieken en magazijnen, dan moet hun beperkte zicht aangepakt worden. Onderzoekers aan het Computer Science and Artificial Intelligence Laboratory (CSAIL) van MIT ontwikkelden hiervoor het 'DON'-systeem (Dense Object Nets). 

Taakspecifiek vs. algemeen 

Twee frequent gebruikte manieren om robots te laten grijpen, zijn gebaseerd op taakspecifiek leren of de creatie van een algemeen grijpalgoritme. Deze technieken hebben te kampen met enkele hindernissen: taakspecifieke methoden zijn moeilijk uit te breiden naar andere taken en het algemeen grijpen is niet specifiek genoeg om te kunnen omgaan met de nuances van specifieke taken, zoals objecten op bepaalde plaatsen zetten. 

Vandaag is het beste wat je van een computervisiesysteem kan verwachten objectdetectie. Het volgende niveau is pixel-labeling. Deze twee staan grotendeels voor waar zelfrijdende auto's gebruik van maken. Wil je echter interactie aangaan met het beoogde object, zoals het grijpen, dan zijn de pixels van dat object niet voldoende. 

Lees meer op Techniline.  

Use case: Ophardt 

Recent ging 'RANCH' (Robotics And Neural networks Combined in HORSE) van start, een project rond AI dat Sirris uitvoert met imec en de firma Ophardt Belgien, specialist in hygiëneproducten. Dit maakbedrijf wil onderzoeken of het een deel van de productie van zeepdispensers kan optimaliseren door de taken van de operatoren te verlichten. Dit via de introductie van een cobot en tegelijk de kwaliteitscontrole verbeteren via een visiesysteem. 

 

 

 

Tags: