機器人庫早報|美國宇航局聯合 CMU 開發機器人,幫助將月球坑變成潛在棲息地;英特爾正在努力確保機器人能操作微波爐等日常家電

XNU2J6ALYVDQ_QN51RR

1.美國宇航局聯合 CMU 開發機器人,幫助將月球坑變成潛在棲息地

美國卡內基梅隆大學的研究人員在美國國家航空航天局(NASA)選擇接受新的技術,幫助機器人探索月球上的「坑」之后,將嘗試使速降機器人成為現實。月球坑與隕石坑不同,隕石坑主要是由隕石撞擊引起的表面特征。月球坑更類似于地球上的下沉洞或洞穴,具有地面通道,但也有大型地下空心洞穴和空間,可以更容易地獲取礦物和水冰 – 甚至可以作為未來月球探險者的現成避難所。CMU 機器人研究所教授 Red Whittaker 提出了一種潛在的任務設計,旨在使用智能靈活和快速的機器人來研究月球坑,因為它們已被月球軌道觀測者發現,但這些圖像并沒有真正提供那種需要詳細了解真正發現下沉洞是否對未來的月球任務有用或者是應該可以如何利用開發。

2.英特爾正在努力確保機器人能操作微波爐等日常家電

訓練計算機和機器人不僅能夠理解和識別物體(例如烤箱,不同于洗碗機),這對于讓他們能夠管理人類每天所做的相對簡單的任務也至關重要。但即使人工智能訓練到可以分辨用戶使用的是爐子還是冰箱,用戶仍然需要確保機器人能夠安全操作。這是英特爾 AI 研究人員與加州大學圣地亞哥分校和斯坦福大學合作開展的新工作 – 在計算機視覺和模式識別會議上發表的論文中,該研究團隊詳細介紹了他們如何創建「PartNet」,一個大型數據集每個對象具有高度詳細,分層組織和完全注釋的零件信息的 3D 對象。數據集獨一無二,并且已經在機器人公司中有很高的需求,因為它設法將對象組織到它們的分段部分中,這種方式具有極好的應用,能用于構建、識別和操縱人工智能應用程序的學習模型。例如,在展示的拍攝示例中,如果您希望機器人手臂設法打開微波爐來重新加熱一些剩余物,那么機器人需要知道「按鈕」及其與整體的關系。

3.麻省理工學院計算機科學與人工智能實驗室嘗試教導人工智能學會感官結合

來自麻省理工學院計算機科學與人工智能實驗室(CSAIL)的研究人員提出了一種可以通過觸摸學會看到,并通過觀察來學習感受的預測性人工智能。該系統可以從視覺輸入創建逼真的觸覺信號,并直接從那些觸覺輸入預測哪個對象和哪個部分被觸摸。研究團隊使用 KUKA 機器人手臂和一個名為 GelSight 的特殊觸覺傳感器,并用簡單的網絡攝像頭記錄了近 200 件物品,如工具,家用產品,織物等,觸摸次數超過 12,000 次。通過將這 12,000 個視頻片段分解為靜態幀,該團隊編制了「VisGel」,一個包含 300 多萬個視覺 / 觸覺配對圖像的數據集。「通過觀察現場,我們的模型可以想象觸摸平坦表面或鋒利邊緣的感覺」,CSAIL 博士學生及主要作者 Yunzhu Li 在一篇關于該系統的新論文中說。「通過盲目地觸摸,我們的模型可以純粹從觸覺中預測與環境的相互作用。將這兩種感官結合在一起可以增強機器人的能力并減少我們在涉及操縱和抓取物體的任務時可能需要的數據。」

4.使用 AI 根據食物圖像生成食譜

直接從食物圖像生成食譜的新方法能產生比基于檢索的方法更有吸引力的食譜。因此,Facebook AI 研究員通過對大規模 Recipe1M 數據集的評估,相對于成分預測的先前基線提高了性能。從圖像生成配方需要同時了解構成培養皿的成分以及它們經歷的任何處理,例如切片或與其他成分混合。傳統上,圖像到配方問題已經被公式化為檢索任務,其中基于嵌入空間中的圖像相似性得分從固定數據集中檢索配方。這些系統的性能很大程度上取決于數據集的大小和多樣性,以及學習嵌入的質量。

5.谷歌研究團隊提出利用在線物品進行自我監督學習新方法

來自谷歌的研究人人員們提出了一種自我監督的方法,用于學習單目視頻對象的表示,并證明了該方法能夠有效幫助在機器人等位置方面的設置。通過對比學習訓練的自我監督的目標,可以在不使用任何標簽的情況下發現和解開視頻中的對象屬性。研究人員利用對象自我監控進行在線調整:在線模型在視頻中查看對象的時間越長,對象識別錯誤越小,而離線基線仍然存在大的固定誤差。為了探索一個完全不受人工監督的系統的可能性,研究人員還讓機器人收集自己的數據,用研究團隊的自我監督方案訓練這些數據,結果顯示,機器人可以指向類似于前面呈現的物體的物體。并強調了對物品屬性的概括。