Los robots son buenos para hacer movimientos repetitivos idénticos, como una tarea sencilla en una línea de montaje. (Coge una taza. Dale la vuelta. Bájala.) Pero carecen de la capacidad de percibir los objetos a medida que se mueven por un entorno. (Un humano toma una taza, lo coloca en una ubicación aleatoria, y el robot debe recuperarlo). Un estudio reciente fue realizado por investigadores de la Universidad de Illinois en Urbana-Champaign, NVIDIA, la Universidad de Washington, y la Universidad de Stanford, en la estimación de la pose del objeto 6D para desarrollar un filtro que dé a los robots una mayor percepción espacial para que puedan manipular objetos y navegar por el espacio con mayor precisión.

Mientras que la pose 3-D proporciona información de ubicación en X, Y, y los ejes Z — ubicación relativa del objeto con respecto a la cámara — la pose 6D da una imagen mucho más completa. "Al igual que describir un avión en vuelo, el robot también necesita conocer las tres dimensiones de la orientación del objeto:su guiñada, terreno de juego, y rodar, "dijo Xinke Deng, estudiante de doctorado que estudia con Timothy Bretl, profesor asociado en el Departamento de Ingeniería Aeroespacial de la U de I.

Y en entornos de la vida real, las seis de esas dimensiones cambian constantemente.

"Queremos que un robot siga rastreando un objeto a medida que se mueve de un lugar a otro, "Dijo Deng.

Deng explicó que el trabajo se hizo para mejorar la visión por computadora. Él y sus colegas desarrollaron un filtro para ayudar a los robots a analizar datos espaciales. El filtro mira cada partícula, o información de imagen recopilada por cámaras dirigidas a un objeto para ayudar a reducir los errores de juicio.

"En un marco de estimación de pose 6D basado en imágenes, un filtro de partículas utiliza muchas muestras para estimar la posición y la orientación, ", Dijo Deng." Cada partícula es como una hipótesis, una suposición sobre la posición y orientación que queremos estimar. El filtro de partículas utiliza la observación para calcular el valor de importancia de la información de las otras partículas. El filtro elimina las estimaciones incorrectas.

"Nuestro programa puede estimar no solo una pose única, sino también la distribución de la incertidumbre de la orientación de un objeto, "Dijo Deng." Anteriormente, no ha habido un sistema para estimar la distribución completa de la orientación del objeto. Esto proporciona información de incertidumbre importante para la manipulación de robots ".

El estudio utiliza seguimiento de pose de objetos 6D en el marco de filtrado de partículas Rao-Blackwellized, donde se separan la rotación 3-D y la traslación 3-D de un objeto. Esto permite que el enfoque de los investigadores, llamado PoseRBPF, para estimar eficientemente la traslación 3-D de un objeto junto con la distribución completa sobre la rotación 3-D. Como resultado, PoseRBPF puede rastrear objetos con simetrías arbitrarias mientras mantiene distribuciones posteriores adecuadas.

"Nuestro enfoque logra resultados de vanguardia en dos puntos de referencia de estimación de pose 6D, "Dijo Deng.

El estudio, PoseRBPF:un filtro de partículas Rao-Blackwellized para estimación de pose de objetos 6D, "fue presentado en la Conferencia de Ciencia y Sistemas de Robótica en Friburgo, Alemania. Está coescrito por Xinke Deng, Arsala Mousavian, Yu Xiang, Fei Xia, Timothy Bretl, y Dieter Fox.