機器人想「睜眼」看世界 還得向動物的視覺系統「取經」

視覺是大自然神奇的恩賜之一，它陪伴我們一起生活了幾億年。對人類來說，這也是一種關鍵的感覺，但我們常常認為是理所當然的：直到我們開始失去它，或者我們嘗試為機器人賦予視覺，發現其中的艱難與不易。

機器人想要「睜眼」看世界 還得向動物的視覺系統「取經」

許多研究實驗室幾十年來一直在對動物和昆蟲中的視覺系統進行建模。我們大量研究螞蟻、蜜蜂甚至嚙齒動物。

為了模擬生物系統並使其對機器人有用，你通常需要了解該視覺系統的行為和神經基礎。

行為組成部分是你觀察到動物在做什麼，以及當你弄亂它可以看到的東西時，該行為如何變化，例如通過嘗試不同的地標配置。神經元件是動物大腦中用於任務的視覺學習的迴路，例如導航。

識別面孔

識別是所有動物和機器人的基本視覺過程。它能夠識別世界上熟悉的人、動物、物體和地標。

由於其重要性，面部識別部分地「融入」到嬰兒等自然系統。所以，我們很早就能識別出面孔。

沿著這些方向，一些人工人臉識別系統基於生物系統是如何起作用的。例如，研究人員創建了一組神經網路，模仿靈長類動物視覺處理的不同層次結構，以創建一個能夠進行人臉識別的系統。

識別位置

視覺位置識別是任何東西導航世界的重要過程。

地點識別是機器人或動物觀察周圍世界的過程，並且能夠協調它當前看到的與某個地方的過去記憶，或者以人類為例，對該地方的描述或期望。

在GPS導航出現之前，我們可能會收到一些指示，例如「直到你看到左邊的教堂然後右轉彎」。我們知道一個典型的教堂是什麼樣的，因此當我們看到它時可以認出它。

這種地方識別可能聽起來像一個簡單的任務，直到遇到諸如外觀變化之類的挑戰，例如由晝夜循環或惡劣天氣條件引起的外觀變化。

視覺識別地點的另一個挑戰是視點變化：如果你從不同的角度查看場景，則會出現什麼樣的變化。

在第一次沿著道路回溯路線時會遇到一個極端的例子 —— 你正在從相反的角度遇到環境中的所有事物。

儘管存在這些挑戰，但想要創建能夠識別地方的機器人系統，就需要視覺系統更深入地了解周圍環境。

感應能力

視覺感測硬體在過去十年中迅速發展，部分原因在於智能手機中功能強大的攝像頭的激增。現代攝像頭如今甚至堪比或超越在更有能力的自然視覺系統，至少在某些方面。

例如，消費者相機現在可以在黑暗中看到調整後的人眼。

新的智能手機相機還可以每秒1000幀的速度錄製視頻，從而使機器人視覺系統的運行頻率高於人類視覺系統。

諸如動態視覺感測器(DVS)之類的專業機器人視覺感測甚至更快，但僅報告像素亮度的變化，而不是其絕對顏色。你可以在倫敦海德公園散步時看到不同之處：

並非所有機器人攝像機都必須像傳統攝像機一樣：機器人專家根據螞蟻等動物如何看待世界而使用專業攝像機。

所需的解析度?

所有基於視覺的機器人和動物研究的基本問題之一是「完成工作」需要視覺解析度(或視敏度)。

對於許多昆蟲和動物如嚙齒類動物而言，它們可以獲得相對較低的視覺解析度 —— 相當於在許多情況下只有幾千像素的相機(相比之下，現代智能手機的解析度從800萬像素到4000萬像素。

所需的解析度根據任務的不同而有很大差異，對於某些導航任務，螞蟻和蜜蜂等動物以及機器人只需要幾個像素。

但是對於更複雜的任務，例如自動駕駛汽車， 可能需要更高的攝像頭解析度。

如果汽車想要可靠地識別和預測人類行人正在做什麼或打算做什麼，那麼可能需要高解析度的視覺感測系統，以捕獲微妙的面部表情和身體運動。

生物啟發與實用主義之間的緊張關係

對於尋求自然靈感的機器人專家來說，模仿生物學和利用相機技術的不斷進步之間存在著持續的緊張關係。

雖然生物視覺系統在過去明顯優於相機，但技術的不斷快速發展使得相機在許多情況下具有對自然系統的優異感測能力。在追求創造高性能和安全機器人和自動駕駛汽車時，利用這些實用能力是明智的。

但是生物學仍將在激勵機器人專家方面發揮關鍵作用。 自然王國非常擅長製造功能強大的視覺系統，這些系統消耗的空間、計算能力和能量資源，而這是大多數機器人系統的主要挑戰。

(來源：前瞻網)

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！