近日麻省理工學院（MIT）計算機科學和人工智能實驗室(CSAIL)的研究人員研發(fā)出了一個新的人工智能系統(tǒng)，這個人工智能系統(tǒng)能夠通過觸覺信息生成視覺信息，也可以根據(jù)視覺片段預測觸覺。
相關論文將在下周的計算機視覺和模式識別會議上將發(fā)表一篇新的論文，這篇論文由CSAIL博士生Yun Zhu Li、MIT教授Russ Tedrake、Antonio Torralba和MIT博士后Jun Yan Zhu共同創(chuàng)作。
一、這個AI可以將視覺信息和觸覺信息相互進行轉換
該小組的系統(tǒng)使用了GANs（生成對抗網(wǎng)絡）把觸覺數(shù)據(jù)拼湊出視覺圖像。其中GANs的神經(jīng)系統(tǒng)被應用在兩個部分，包括產(chǎn)生樣本的發(fā)生器和能夠區(qū)分產(chǎn)生樣本和真實樣本的鑒別器的兩部分神經(jīng)網(wǎng)絡。
樣本的獲取來源于一個名為visgel的數(shù)據(jù)集，visgel擁有超過300萬個視覺/觸覺數(shù)據(jù)對，其中包括12000個視頻剪輯，剪輯中包含了近200個物體（如工具、織物和家用產(chǎn)品）。
這一人工智能系統(tǒng)首先將識別機器人所接觸物體區(qū)域的形狀和材質(zhì)，并在參考的數(shù)據(jù)集中進行比對，最終生成所接觸部位的圖像信息。
例如：如果給出鞋子上完整的觸覺數(shù)據(jù)，這個模型就可以確定鞋子上最有可能被觸摸的位置。
數(shù)據(jù)集中參考照片有助于對環(huán)境的詳細信息進行編碼，從而使機器學習模型能夠自我改進。在這個研究中，他們在庫卡機器人手臂上安裝了一個觸覺式凝膠視覺傳感器，這個傳感器由麻省理工學院的另一個小組設計，可以將當前的圖像與參考圖像進行比較，以確定觸摸的位置和比例。
二、這個系統(tǒng)可以幫助機器人進行自我學習
“通過觀察這個場景，我們的模型可以想象到觸摸到一個平坦的表面或鋒利的邊緣的感覺?！盋SAIL博士生 Yun Zhu Li表示。
“在黑暗中進行接觸的時候，僅從觸覺上，我們的人工智能模型就可以預測與環(huán)境的交互作用，把視覺和觸覺這兩種感覺結合在一起就可以強化機器人的能力，減少我們在處理和抓取物體的任務中可能需要的數(shù)據(jù)?！?/p>
研究人員注意到，當前的數(shù)據(jù)集只有在受控環(huán)境中交互的例子，但是其中一些細節(jié)，比如物體的顏色和柔軟度，仍然難以被系統(tǒng)推斷出來。
不過，他們說，他們的方法可以在生產(chǎn)環(huán)境中為集成人類機器人無縫銜接地打下基礎，尤其是在缺少視覺數(shù)據(jù)的任務上。比如：當燈熄滅或工人必須盲目地接觸容器時。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務。
粵公網(wǎng)安備 44030402000264號
