Google的ClearGrasp AI模型可以为计算机清除一切

ClearGrasp是Google，哥伦比亚大学和Synthesis AI之间的合作。

这项研究旨在帮助计算机不仅估计透明物体的反射光，而且还能估计折射光。

使用机械手的成功率从12%上升到74%，使用吸力机械的成功率从64%上升到86%。

作为人类，无论是像苹果这样的固体物体，还是像玻璃这样的透明物体，从桌子上抓取物体通常都没有太大的问题。但是，对于计算机和机器人来说，情况就不同了，但是由于有了称为ClearGrasp的新算法，这可能已成为过去。

在最近在Google的AI博客中进行的解释中，它描述了Google研究人员，哥伦比亚大学和Synthesis AI团队如何能够开发一种新的机器学习算法，该算法可以从RGB-D图像中的透明对象中准确估计3D数据。 。由于大多数成像模型都是基于假设所有表面(无论是桌子还是汽水罐)的固体对象，都是朗伯型的-它们在各个方向上均等地反射光-透明的对象会造成问题。这是因为这些物体不仅反射光，而且光也被折射，这反过来给成像系统造成问题。

对象成像在仓库，汽车行业的许多应用中得到使用，甚至在厨房中也得到使用。因此，由于多种原因，吸引人的不仅是看到固态物体而且是透明物体的能力。这种新的AI模型教导计算机能够从RGB-D相机捕获的3D图像中重建深度。

研究团队将大量数据输入到机器学习模型中，以提高其“拾取和放置”机器人系统的对象检测模型的准确性，该系统的名称就是暗示了拾取对象并将它们放置在另一个位置的情况。新的学习系统将使用平行颚爪抓取器的机器人准确地检测和抓取透明物体的能力从12%提高到74%，而使用吸爪的能力从64%提高到86%。

随着机器人技术的使用不断增加以及新的应用程序，我们看到了其功能得到了应用。这项新的研究只会扩大机器人的使用范围。但是，计算机成像不仅用于机器人抓取物体，还用于房屋，汽车和许多其他方式的摄像机-那么谁知道这些系统的未来将如何呢?

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！