Китайська компанія навчила роботів розпізнавати об’єкти крізь скло та дзеркала

Китайська компанія Rob­byant випустила оновлену версію своєї системи комп’ютерного зору Ling­Bot-Depth 2.0, розроблену для підвищення точності сприйняття тривимірного простору роботами. За словами розробників, нова модель суттєво краще справляється зі складними умовами, де традиційні сенсори регулярно дають збої.

Систему навчали на близько 150 мільйонах прикладів, і в незалежних тестуваннях вона показала кращі результати у 12 із 16 популярних бенчмарків для побудови карт глибини. Порівняно з першою версією, алгоритми обробки візуальних даних були суттєво вдосконалені.

Одним із ключових досягнень стало вирішення проблеми прозорих і відбивних поверхонь. Скло, дзеркала та схожі матеріали традиційно є серйозною перешкодою для систем комп’ютерного зору: сенсори або неправильно визначають відстань до об’єктів, або взагалі втрачають інформацію про глибину. У режимі значних втрат даних нова модель знизила середню похибку розпізнавання більш ніж удвічі — показник RMSE зменшився з 0,132 до 0,062.

В основі Ling­Bot-Depth 2.0 лежить нова модель зору Ling­Bot-Vision із нестандартним підходом до попереднього навчання. Система акцентує увагу на так званій «структурі меж» об’єктів, що дозволяє точніше визначати контури предметів аж до субпіксельного рівня та краще розуміти геометрію сцени. Незважаючи на відносно компактний навчальний набір з приблизно 160 мільйонів зображень, розробники стверджують, що Ling­Bot-Vision здатна конкурувати з більшими моделями комп’ютерного зору. Стабільне відстеження меж об’єктів у реальному часі є критично важливим для автономних роботів, яким потрібно швидко реагувати на зміни в навколишньому середовищі.

Практичні можливості технології перевірила компанія Orbbec у своїй лабораторії Depth Vision Lab­o­ra­to­ry. У випробуваннях зі стереокамерами Gem­i­ni 330 система продемонструвала покращене розпізнавання меж об’єктів, дрібних деталей, віддалених цілей і сцен зі складним освітленням.

Паралельно Rob­byant та Orbbec оголосили про спільну розробку обладнання для збору даних. Компанії створюють платформу RGB‑D EGO зі спеціальною версією Ling­Bot-Depth для формування якісніших наборів даних для систем втіленого штучного інтелекту (Embod­ied AI).

Розробники розраховують на широке застосування технології — від сервісних роботів та автономної навігації до промислової автоматизації. Точніше сприйняття глибини має стати одним із фундаментальних елементів для наступного покоління роботів, здатних безпечно взаємодіяти з реальним світом.