终结者般的视觉可以帮助机器人洗碗

如果上面的 gif 看起来很熟悉，那可能是因为它看起来与这个非常相似：

当然，这就是《终结者 2：审判日》中 T-800 终结者从未来来到这个世界时看到并识别物体的方式。

与电影类似，麻省理工学院计算机科学与人工智能实验室的研究人员创建了一个物体识别系统，该系统可以使用普通的 RGB 相机（无需危险的血红色滤镜）准确识别物体。该系统可以帮助未来的机器人在复杂的世界中导航时更有效地与物体互动。

“理想情况下，我们希望机器人在未来的某个时候能够清洗我们的餐具。我们希望识别系统能够真正看到机器人应该关注的物体并对其进行操作，”这项研究的主要作者苏迪普·皮莱 (Sudeep Pillai) 说。

该系统建立在经典识别系统以及另一个名为“同步定位与地图构建”（SLAM）的系统之上，该系统允许自动驾驶汽车或机器人等设备具有三维空间感知能力。该团队的新“SLAM 感知”系统在从多个视角收集物体信息的同时绘制其环境。在每个新角度，程序都能够通过将物体分解为更基本的组件来预测物体是什么。然后，它将这个编译的描述与现有物体描述的数据库进行比较。例如，如果 SLAM 感知系统看到一把椅子，它可能会将其分解为座位、四条腿和靠背。

由于 SLAM 感知系统会创建所见物体的三维地图，因此它还可以更好地区分一个物体和另一个物体。每个新视点都会增加有关每个物体的描述信息。该系统减少了歧义，并增加了正确分类物体和区分一个物体和另一个物体的可能性。

SLAM 感知系统不同于团队称为“SLAM-oblivious”的传统图像识别系统，因为这些系统不会创建三维地图，并且每次只能检测一帧静态图像中的物体。相比之下，SLAM-oblivious 系统在杂乱环境中识别多个物体的难度远高于 SLAM 感知系统。在下面的 gif 中，错误的预测会闪烁红色。

在一项实验中，SLAM 感知系统能够以 86.1% 的准确率正确识别场景中的物体，这与能够利用红外光考虑深度信息的高级专用系统相当。尽管这些专用系统可以非常准确，准确率高达 92.8%，但这是以时间为代价的。其中一些系统的运行时间约为 4 秒，而 SLAM 感知系统的运行时间为 1.6 秒。使用红外光的系统在室外工作时也会遇到困难，因为光照条件很差。

皮莱说：“从机器人的角度来看，它不能在户外使用，所以不太实用，因为你希望这些系统既能在室内也能在室外工作。”

未来，Pillai 和他的团队希望在此系统的基础上解决一个经典的机器人难题，即“回环”。回环是指机器人无法识别它们之前去过的位置，而这对于导航和与世界互动非常重要。SLAM 感知系统可能会开始解决这个问题，它允许机器人识别不同位置的特定物体，并将它们归类为对该特定位置更重要的物体。

研究人员本月在意大利罗马举行的机器人科学与系统会议上展示了他们的研究成果。

“我们不想与其他识别系统竞争，我们希望能够以一种好的方式将它们整合在一起，”Pillai 说。

目前还不清楚 SLAM 感知系统是否可以更轻松地定位和保护约翰·康纳。