以下文字资料是由(历史认知网 www.lishirenzhi.com)小编为大家搜集整理后发布的内容，让我们赶快一起来看一下吧！
摘要：BenBurchfield）机器人在工业环境中是可靠的，在熟悉的环境中，可识别的物体在可预测的时间出现。最先进的计算机视觉算法之前达到了约50%的准确率。Burchfiel和布朗大学计算机科学助理教授GeorgeKonidaris上周在剑桥举行的机器人学：科学与系统会议上介绍了他们的研究成果，马萨诸塞州。“可以释放资源并使学习更容易，”Burchfiel说。Burchfiel和Konidaris开发的算法通过寻找彼此关联的复杂形状，从部分信息中构造出一个完整的物体。
机器人在工业环境中是可靠的，在熟悉的环境中，可识别的物体在可预测的时间出现。但家里的生活很混乱。把一个机器人放在一个屋子里，它必须在一个充满异物的陌生区域内导航，而这是没有用的。
现在研究人员开发了一种新的计算机视觉算法，使机器人能够识别三维物体，而且，一眼就能看出部分被遮挡或翻倒的物体，杜克大学计算机视觉和机器人领域的博士候选人本•伯奇菲尔说：
“它看到了放在柜台上的锅的前半部分，并猜到后面有个把手，这可能是一个很好的去处。”机器人从一个有利的角度看了908件物品，大约75%的时间里它正确地猜到了物体。最先进的计算机视觉算法之前达到了约50%的准确率。
Burchfiel和布朗大学计算机科学助理教授George Konidaris上周在剑桥举行的机器人学：科学与系统会议上介绍了他们的研究成果，马萨诸塞州。
相关：个性化的外骨骼正朝着人机界面
迈进，就像其他用于训练机器人的计算机视觉算法一样，它们的机器人通过首先筛选分布在十个不同类别（浴缸）的4000个三维物体的数据库了解了自己的世界，床、椅子、桌子、梳妆台、显示器、床头柜、沙发、桌子和厕所。
虽然更传统的算法可以训练机器人识别椅子、壶或沙发的整体，或者训练机器人识别整体的部分并将它们拼凑在一起，这一个研究对象是如何相似的，以及它们是如何区别的。当它在类中发现一致性时，它就被忽略了，为了使计算问题缩小到一个更易于管理的大小，并把焦点放在不同的部分上。当训练算法识别罐子时，它没有花时间分析空心零件。一旦它知道这个物体是一个罐子，它就会专注于罐子的深度或把手的位置。
“可以释放资源并使学习更容易，”Burchfiel说。
额外的计算资源被用来判断一个物体是否是朝上的，并且推断它的三维形状，如果一部分是隐藏的。最后一个问题在计算机视觉领域尤其令人烦恼，因为在现实世界中，对象重叠。“KdSPE”“KdSPS”来解决这个问题，科学家们主要转向了最先进的人工智能形式，它使用人工神经网络，或所谓的深度学习算法，因为它们处理信息的方式与大脑的学习方式类似。
虽然深度学习 ... 擅长解析复杂的输入数据，例如分析图像中的所有像素，并预测简单的输出，例如“这是一只猫”，但它们不擅长逆向任务，伯奇菲尔说。当一个物体被部分遮挡时，一个有限的视图（即输入）比一个完整的三维表示的输出要简单得多。
Burchfiel和Konidaris开发的算法通过寻找彼此关联的复杂形状，从部分信息中构造出一个完整的物体。例如，平顶正方形的物体往往有腿。如果机器人只能看到方形的顶部，它可能会推断出腿的位置。
“另一个例子是手柄，”Burchfeil说
特别申明：本文内容来源网络，版权归原作者所有，如有侵权请立即与我们联系（devmax@126.com），我们将及时处理。