纯视觉的系统应该会很想应用这种机器学习技术
就连科技狂人 Elon Musk 都在最近的专访中承认,自己对于自动驾驶科技的进步曲线错估。 可见即便心中「那个未来」的科技感觉多么近在眼前,到达前其实仍需要非常多的技术与研究累积才可能达成。 最近,康奈尔大学所公布的机器人相关论文,倒是让人觉得目前许多机器视觉学习还在卡关的技术,将有机会被解决。 继续阅读机器人开始懂得“预测”被遮蔽物体的形状,你觉得可以应用在哪些地方? 报道内文。
▲图片来源:DisneyResearchHub
机器人开始懂得“预测”被遮蔽物体的形状,你觉得可以应用在哪些地方?
现阶段透过视觉来进行机器学习的技术,基本上要辨识分别独立的对象,应该已经不算是太困难的事。 不过就像特斯拉目前还苦于寻求真正实用的 Real-World AI,那种可以预测遮蔽物后可能的对象甚至动态的视觉辨识算法,显然会是这类机器学习技术需要突破的障碍。
来自康奈尔大学的学者最近释出一篇研究以分层建模来进行非模态感知(Amodal)的实作(诳… 白话就是让机器人可以预测被遮蔽对象的可能形状),似乎有机会找到这方面技术的突破点。
![机器人开始懂得“预测”被遮蔽物体的形状,你觉得可以应用在哪些地方?](https://www.gameducky.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
研究团队透过Hierarchical Occlusion Modeling(HOM)直译是分层遮蔽建模技术,让以往总会因为「层层叠」而导致影像辨识融成一片的问题,可以在分层分析后被机器人给找到被遮蔽物体的「轮廓」。
![机器人开始懂得“预测”被遮蔽物体的形状,你觉得可以应用在哪些地方?](https://www.gameducky.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
研究中所测试的环境包括桌面、室内与箱子内,分别以斜角与俯视的方式让UOAIS-Net去分析这些物件彼此的前后关系,还有辨识被遮蔽物的可能形状。 就目前看到的成果来看,虽然遇到背景复杂的状况时,这套视觉辨识系统还是免不了被扰乱,不过大多数状况下,机器学习都能展现出相当接近现实的判断结果。
摄影网站 PetaPixel 认为,可以期待这项科技对相机研发带来一定程度的影响。 笔者认为,由相机技术延伸而出的相关应用,包括自动驾驶技术等相关辨识技术,应该也很有机会得到相当的改进。
![机器人开始懂得“预测”被遮蔽物体的形状,你觉得可以应用在哪些地方?](https://www.gameducky.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
随着机器学习的相关技术乃至于更多相关的硬件都在持续进步。 不仅可以看到针对机器人感知周遭环境的技术有所升级,也能看到不少尝试跨越恐怖谷,让人感受到「友善」的外在面貌与表情展现。 先前由 Engineered Arts 所带来的机器人就给人十分生动的感觉;就连 DisneyResearchHub 也有针对「眼神」方面的相关技术展示。 更别说,最近研究车用 AI 研究到也打算出的特斯拉 Rebot。 都令人期待未来还能有什么更多发展呢!
![机器人开始懂得“预测”被遮蔽物体的形状,你觉得可以应用在哪些地方?](https://www.gameducky.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
![微信扫一扫](https://www.gameducky.com/wp-content/uploads/2021/12/2021122203132290.jpg)