技術發(fā)展至今，機器人能夠自主檢查核電廠，處理海洋中的石油泄漏事件，協(xié)助戰(zhàn)斗機進行空戰(zhàn)，或是探索火星表面，但對它們來說，有些能力還是無法與人類比擬。
其中一項人所特有的，就是辨識 3D 物體的能力，盡管機器人能輕易透過相機、感測器來“查看”物體，但它們還是難以像人類一樣，能從短暫一瞥中解讀出看到的東西。
即使是世界上最復雜的機器人，也都無法做到這項多數(shù)孩子都能自動做到的事，但杜克大學的研究生 Ben Burchfiel 和他的論文顧問 George Konidaris，已經(jīng)快要找到這個問題的解決方案。
R&D Magazine 報導，為了使機器用更人性化的方式解讀 3D 物體，Burchfiel 兩人開發(fā)了一項新技術，讓機器人成功達成在混亂的桌面上分辨不同尺寸、形狀碗盤的任務。
或許你不曾注意過自己的這項能力，但人類辨識 3D 物體的能力十分出色，不論從何種角度，物體顛倒與否，看見全貌或部分被遮蔽，人們都可以從短暫一瞥中大致分辨出看到的新物體，大腦會在想像中自動填補看不到的地方。
研究團隊也希望賦予機器人這項能力，透過設計的感知算法讓機器人也能不用從多角度看見新物體，而學會猜測新物體的面貌和用途，“想像”出任何不在視野中的部分。
一旦機器人具備這項技術，就不需要從每個角度觀察茶壺，也可以知道這個物體可能有把手、蓋子和出水口，也可以分辨它是否適用于何種爐子。
Burchfiel 指出，比起實驗室或工廠車間，現(xiàn)實世界并非可控制的環(huán)境，事物也并非總是有序或可預測，對于要在日常與人類一起運作的機器人來說，這是相當重要的一步。
12 日在劍橋舉辦的機器人科學與系統(tǒng)大會上，研究團隊表示，他們目前已經(jīng)讓機器人在有限數(shù)量的訓練下，成功辨識新看見的 3D 物體，速度較以往最好的情況還要再快上 3 倍。
（Source：Ben Burchfiel 個人網(wǎng)站）
據(jù)了解，研究人員先用近 4,000 筆普通家庭物品的完整 3D 掃描數(shù)據(jù)訓練機器人的演算法，包含床、桌椅、梳妝臺、監(jiān)視器等，每個掃描再轉換為成千上萬的小立方塊，像樂高一樣堆疊在一起，讓系統(tǒng)更好處理。
之所以這么做，Burchfiel 解釋，是因為團隊認為，替每個可能的特定物體設定詳細的 3D 模型非常不切實際。
透過分析這些掃描數(shù)據(jù)的范例，演算法開始學會使用稱為“機率主成分分析”（Probabilistic PCA）的技術，了解范例數(shù)據(jù)中的變與不變。
運用這個演算法，機器人發(fā)現(xiàn)新物品時不再需要觀察全貌，就能基于從前的知識，像人們一樣概括分辨出兩個物體的不同，同時又能理解其中相同的部分，讓這兩個物體都同樣屬于特定類型的家具。
為了測試這個方法的實用性，研究人員挑選了 10 種新的家庭用品，提供機器近千張從頂部拍攝的 3D 范例，讓機器從單一角度猜測對象是什么，完整 3D 形狀又該是如何。
結果發(fā)現(xiàn)包含隱藏部分，機器大概可以猜中物體 3D 形狀的 75%，較過去最好情況下猜中 50% 的比率大幅提升，不僅如此，它也能辨識各種方式旋轉的物體，這是過去其他演算法無法做到的。
但在目前的情況中，演算法仍舊容易被物體在特定角度的形狀所迷惑，像是從上方看到一張桌子，而將其誤認為一個梳妝臺，但研究團隊認為整體來說，這還是很大的進步，只是還不到能在實際生活運用的程度。
盡管如此，研究團隊已成功讓機器人辨識一些 3D 物體，并透過“想像”填補視野中的盲點、重建未知的部分，Burchfiel 表示，“這在許多機器人應用中可能是無價的。”
