自分の環境を認識するには、それを感知できるだけでなく、データを賢明に解釈できなければなりません。これはロボットにとって依然として課題です。
一般向けのロボットが私たちの日常生活にますます登場していますが、それらは依然として車輪付きまたは飛行プラットフォーム (掃除機、芝刈り機、ドローンなど) に非常に近い状態にあります。業界には、組み立てと取り扱いのための特殊なアームが装備されています。これらの産業用ロボットと日常用ロボットには共通点が 1 つあります。それは、世界を認識するためのセンサーがほとんどないことです。これにより管理が容易になりますが、機能は大幅に制限されます。
しかし、近年、より複雑なロボットの出現が観察されています。ボストン ダイナミクス社や最近ではテスラ社のロボットなどの人型ロボットが最も顕著な例です。これらのより高度なロボットは、今日でも研究用ロボットのままです。このビデオのボストン ダイナミクス社のロボット、アトラスの場合のように、より多くのことを実行できますが、そのプログラミングにはさらに多くのセンサーが必要です。
ボストン ダイナミクスのロボットであるアトラスは、手を独立して使う方法を知っています。出典: ボストンダイナミクス。
ロボットの機械的機能がますます目覚ましいものになると、今日の主な困難は、環境と簡単に対話できる知覚機能をロボットに与えることです。
実際、私たち人間が物体を認識して位置を特定して捕らえたり、その軌道を推定してその位置を予測したり、障害物を回避してある点から別の点に移動したりすることは、環境に対する私たちの認識のおかげです。
今日、知覚は、光束、距離、加速度、回転などのさまざまな物理量を測定するさまざまなセンサーに基づいて行われています。
人間では、内耳が頭の位置と向きを認識してバランスを維持するのに役立ちますが、ドローンや人型ロボットは 体の加速度や回転速度を非常に高い周波数で測定することでバランスを維持します。 慣性ユニットのおかげです。掃除機は、距離センサーのおかげで障害物を回避します。 環境のマップを作成する。
これらすべてのタスク (バランス、位置特定、環境の分析) はロボットの自律性を向上させるために不可欠ですが、ロボットに認識システムを装備するのはかなりの仕事です。データを取得し、処理し、次の点について決定を下す必要があります。この情報に基づいてロボットの動作を決定します。
目から脳へ、カメラから車載コンピュータへ
各センサーは、多かれ少なかれ「高レベル」情報を搭載コンピューターに返します。つまり、意味を抽出するには、その後多かれ少なかれ処理が必要になります。視覚用に開発されたセンサーは、最も豊富なセンサーですが、使用が最も複雑でもあります。
人間は、幼い頃から動きを認識し、位置を特定し、測定し、推定するために訓練された高度に発達した視覚システムを持っています。私たちの目は生の画像を提供しますが、脳はそれを解釈する方法を知っています。
同様に、従来のカメラからの画像をエンコードするデータは非常に「低レベル」です。カメラは、センサーの小さな感光面要素で受け取った光の量に対応するピクセルの順序付きリストを記録するだけで、これに色に関する情報が追加される可能性があります。 （波長） — 私たちの目のようなものです。
比較のために、ロボットが使用できる単純な「高レベル」情報は、たとえば次のようになります。
「テーブルの上に白い物体があり、テーブルの角から x 方向に 100 ミリメートル、y 方向に 20 ミリメートルの距離にあります。 »
この種の情報をリアルタイムでロボットに提供することは、今日のコンピューターの処理能力によって可能です。産業用ロボット アームを例に挙げると、現在、それらは認識システムなしで販売されており、プログラミング中に位置と方向がロボットに与えられた場合、物体を捕捉することはできません。オブジェクトがどのように配置されているかに関係なく、オブジェクトをキャッチできるようにするには、ロボットにオブジェクトを見る機会を与えなければなりません。
これは今日、「インテリジェント」カメラ、つまりコンピュータと画像処理ライブラリを組み込んで、利用可能な情報をロボットに直接送信することで可能になっています。
このように装備されたロボットは物体を掴むことができますが、今回は物体がどのように配置されているかに関係ありません。
産業用ロボットを使用した視覚による位置特定された部品ピッキングのデモンストレーション。出典: ミュルーズ IUT。
ロボットが 3D で見ることができるようにする
ロボットにとってのもう 1 つの課題は、変化する環境での移動です。たとえば、群衆の中で、人間は目的地に至る軌道を推定するために、常に自分たちの動きを推定し、周囲の地図を作成してフリーゾーンと占有ゾーンを決定します。
単眼カメラのみを備えたロボットで、位置特定とマッピングを同時に行うのは非常に複雑な問題です。そして、「スケールの曖昧さ」の問題があるため、得られる結果は近似的な結果になります。つまり、動きは適切に推定されていますが、距離はスケール係数内で正確です。このスケールの曖昧さを取り除くには、「マルチビュー」が必要です。この場合は 2 つの目、つまり 2 台のカメラです。
ロボットに 2 つの目を統合するのは困難です。センサーが 2 つあると、一方のカメラのもう一方のカメラに対する正確な位置を取得するために処理、同期、および校正する必要がある情報が 2 倍になるためです。
ビジョンセンサーの進化により、1台のカメラで3Dが見えるようになりました ライトフィールド。これらのカメラは少し特殊です。センサーとレンズの間に配置されたマイクロレンズのマトリックスを使用して、従来のデバイスと同様にシーンの光の強度だけでなく、光線の到達方向も捕捉します。これにより、特に 1 つの画像で奥行き、つまり 3D を見つけることが可能になります。
たとえば、このタイプのカメラを備えた小型ロボットは、（スケールの曖昧さを取り除くことによって）現実と一致する位置とメートル法マップを取得できます。これは、私たちが今日 IRIMAS 研究室で、特に次のような枠組みの中で行っている研究です。 論文。
#ロボットは世界をどのように認識するのでしょうか