Google的ClearGrasp AI模型可以為計算機清除一切

ClearGrasp是Google，哥倫比亞大學和Synthesis AI之間的合作。

這項研究旨在幫助計算機不僅估計透明物體的反射光，而且還能估計折射光。

使用機械手的成功率從12%上升到74%，使用吸力機械的成功率從64%上升到86%。

作為人類，無論是像蘋果這樣的固體物體，還是像玻璃這樣的透明物體，從桌子上抓取物體通常都沒有太大的問題。但是，對于計算機和機器人來說，情況就不同了，但是由于有了稱為ClearGrasp的新算法，這可能已成為過去。

在最近在Google的AI博客中進行的解釋中，它描述了Google研究人員，哥倫比亞大學和Synthesis AI團隊如何能夠開發(fā)一種新的機器學習算法，該算法可以從RGB-D圖像中的透明對象中準確估計3D數(shù)據(jù)。 。由于大多數(shù)成像模型都是基于假設所有表面(無論是桌子還是汽水罐)的固體對象，都是朗伯型的-它們在各個方向上均等地反射光-透明的對象會造成問題。這是因為這些物體不僅反射光，而且光也被折射，這反過來給成像系統(tǒng)造成問題。

對象成像在倉庫，汽車行業(yè)的許多應用中得到使用，甚至在廚房中也得到使用。因此，由于多種原因，吸引人的不僅是看到固態(tài)物體而且是透明物體的能力。這種新的AI模型教導計算機能夠從RGB-D相機捕獲的3D圖像中重建深度。

研究團隊將大量數(shù)據(jù)輸入到機器學習模型中，以提高其“拾取和放置”機器人系統(tǒng)的對象檢測模型的準確性，該系統(tǒng)的名稱就是暗示了拾取對象并將它們放置在另一個位置的情況。新的學習系統(tǒng)將使用平行顎爪抓取器的機器人準確地檢測和抓取透明物體的能力從12%提高到74%，而使用吸爪的能力從64%提高到86%。

隨著機器人技術的使用不斷增加以及新的應用程序，我們看到了其功能得到了應用。這項新的研究只會擴大機器人的使用范圍。但是，計算機成像不僅用于機器人抓取物體，還用于房屋，汽車和許多其他方式的攝像機-那么誰知道這些系統(tǒng)的未來將如何呢?