MIT Tədqiqatçıları Robotlar Üçün Sürətli və Dəqiq 3D Xəritələşdirmə Metodunu Təqdim Etdilər

Qismən uçmuş mədən şaxtasında qalan işçiləri axtaran robot təhlükəli ərazidə hərəkət edərkən hadisə yerinin xəritəsini tez bir zamanda çıxarmalı və özünün də həmin ərazidəki dəqiq yerini müəyyənləşdirməlidir. Tədqiqatçılar bu mürəkkəb tapşırığı yerinə yetirmək üçün robotun üzərindəki kameralardan alınan görüntülərdən istifadə edən güclü maşın öyrənməsi modelləri yaratmağa başlamışdılar. Lakin ən yaxşı modellər belə eyni anda yalnız bir neçə şəkli emal edə bilir. Hər saniyənin həlledici olduğu real fəlakət zonasında axtarış-xilasetmə robotunun öz missiyasını tamamlamaq üçün böyük sahələri tez keçməsi və minlərlə şəkli emal etməsi vacibdir.

Bu problemi aradan qaldırmaq üçün MIT alimləri həm süni intellekt vizyon modellərindən, həm də klassik kompüter vizyonu konsepsiyalarından faydalanaraq istənilən sayda şəkli emal edə bilən yeni bir sistem hazırladılar. Onların yaratdığı Süni İntellektə əsaslanan sistem izdihamlı ofis dəhlizi kimi mürəkkəb səhnələrin 3D xəritələrini saniyələr içində yüksək dəqiqliklə yaradır. Bu sistem səhnənin kiçik alt xəritələrini tədricən yaradır, onları bir-birinə birləşdirir və nəticədə tam 3D xəritəni bərpa edir. Əlavə olaraq, robotun mövqeyi real vaxt rejimində təxmin edilir. Aparılan sınaqlar göstərdi ki, bu texnika xüsusi kalibrlənmiş kameralar və ya mürəkkəb sistemin tənzimlənməsi üçün mütəxəssis bilikləri tələb etmir. Metodun sadəliyi və 3D rekonstruksiyanın sürətli, keyfiyyətli olması onu real dünya şəraitində istifadə üçün daha əlçatan edir.

Tədqiqatçılar illərdir robot naviqasiyasının ən vacib elementi olan "eyni vaxtda lokalizasiya və xəritələşdirmə" (SLAM) problemi ilə məşğul olurlar. Bu prosesdə robot ətraf mühitin xəritəsini bərpa edir, eyni zamanda özünün həmin məkandakı yerini də müəyyənləşdirir. Ənənəvi optimallaşdırma metodları çətin səhnələrdə ya uğursuzluğa düçar olur, ya da robotun kameralarının əvvəlcədən kalibrlənməsini tələb edirdi. Yeni maşın öyrənməsi modelləri bu problemi qismən həll etsə də, sadəcə 60-a qədər kameradan gələn şəkli emal etməklə məhdudlaşırdı. MIT komandası bu məhdudiyyəti aradan qaldırmaq üçün sistemin bütün xəritəni deyil, yalnız kiçik hissələri, yəni alt xəritələri yaratmasını təmin etdi. Bu alt xəritələr daha sonra bir araya gətirilərək tam 3D rekonstruksiyanı verir. Baxmayaraq ki, model hələ də eyni vaxtda az sayda şəkli emal edir, kiçik alt xəritələrin birləşdirilməsi prosesi geniş ərazilərin xəritəsini daha sürətli yaratmağa imkan verir.

Ancaq alimlər sadəcə alt xəritələri yapışdırmağa çalışanda problem yarandı. Maşın öyrənməsi modellərinin emalında yaranan xətalar alt xəritələrə qeyri-müəyyənlik gətirirdi; məsələn, otağın bir tərəfinin 3D alt xəritəsində divarların bir qədər əyilmiş və ya uzanmış formada görünməsi kimi. Tədqiqatçı Dominic Maggio, 1980-ci və 1990-cı illərə aid klassik kompüter vizyonu işlərini araşdıraraq, bu problemin həlli yolunu tapdı. Onlar bu deformasiyaları təmsil edə biləcək daha çevik, riyazi bir texnika inkişaf etdirdilər. Bu riyazi çevrilmələr qeyri-müəyyənlikləri aradan qaldıraraq alt xəritələri düzgün hizalamağa imkan verdi. Tədqiqatın rəhbər müəllifi Dominic Maggionun sözlərinə görə, robotların daha mürəkkəb tapşırıqları yerinə yetirməsi üçün ətraflarındakı dünyanın daha mürəkkəb xəritə təsvirlərinə ehtiyacı var, lakin bu xəritələrin tətbiqini çətinləşdirməmək lazımdır. Onlar saniyələr içində dəqiq 3D rekonstruksiya yaratmağın mümkün olduğunu sübut etdilər. Bu metod axtarış-xilasetmə işləri ilə yanaşı, VR qulaqlıqları üçün genişləndirilmiş reallıq tətbiqlərində və ya anbarlarda avtomatlaşdırılmış əməliyyatlarda da istifadə edilə bilər. Alınan nəticələrə görə, 3D rekonstruksiyalardakı orta səhv 5 santimetrdən az idi.