机器人视觉从螳螂神经元获得灵感

　　在一个特别设计的昆虫电影院中，螳螂配有3D眼镜，并在监测大脑活动时显示模拟虫的3D电影。当虫子的图像进入掠夺性攻击的惊人范围时，科学家Ronny Rosner博士能够记录个体神经元的活动。

　　罗斯纳博士是纽卡斯尔大学神经科学研究所的研究助理，是该论文的第一作者。他说：“这有助于我们回答昆虫如何通过如此微小的大脑实现令人惊讶的复杂行为，并且理解这可以帮助我们开发更简单的算法来开发更好的机器人和机器视觉。”

　　“3D神经元”

　　祈祷螳螂使用3D感知，科学上称为立体视觉，用于狩猎。通过使用两个视网膜之间的差异，他们能够计算距离并在猎物到达时触发其前肢的打击。记录的神经元被染色，显示它们的形状，这使得该团队能够识别可能参与螳螂立体视觉的四类神经元。

　　使用强大的显微镜拍摄的图像显示神经细胞的树突树 - 神经细胞接收来自大脑其他部分的输入 - 被认为能够实现这种行为。

　　罗斯纳博士解释说：“尽管它们的体积很小，但螳螂脑中含有数量惊人的神经元，这些神经元似乎专门用于3D视觉。这表明螳螂深度感觉比我们想象的更复杂。虽然这些神经元计算距离，但我们仍然不喜欢我知道究竟如何。

　　“尽管如此，由于它们比我们自己的大脑小得多，我们希望螳螂可以帮助我们开发更简单的机器视觉算法。”

　　由Leverhulme Trust资助的更广泛的研究计划由纽卡斯尔大学视觉科学教授Jenny Read教授领导。她说：“在某些方面，螳螂的属性与我们在灵长类动物的视觉皮层中看到的相似。当我们看到两个非常不同的物种已经独立进化出类似的解决方案时，我们知道这必须是一个非常好的方法解决3D视觉问题。

　　“但是我们在3D视觉电路中也发现了一些以前没有在脊椎动物中报告的反馈回路。我们的3D视觉可能包括类似的反馈回路，但它们更容易在不太复杂的昆虫大脑中识别为我们提供了新的探索途径。“

　　这是第一次有人在无脊椎动物的大脑中识别出特定的神经元类型，这种神经元类型被调整到3D空间中的位置。

　　纽卡斯尔团队打算进一步发展他们的研究，以更好地理解螳螂相对简单的大脑的计算，目的是开发更简单的机器和机器人视觉算法。

　　精准是机器人技术中许多问题的关键

　　为了提高机器人测量物体定位的能力，北京微链道爱科技有限公司和加拿大SFU大学计算机学院(全球排名前50的计算机学院)的研究生们正在开发一种名为DaoAI神经网络算法的统计结构。他们将于7月在中国机器人产业联盟会议上发表的一篇论文中，“赋予机器人认知：基于深度学习的3D机器人视觉”，描述了一种新的机器人视觉算法，基于DaoAI神经网络算法，比国际最好的竞争对手在识别杂乱场景中熟悉的物体方面好50%。

　　然而，该算法用于在熟悉的设置中分析高质量的视觉数据。因为DaoAI分布是概率推理的工具，所以它在信息不完整或不可靠的环境中具有更大的优势。

　　“精准是机器人技术中许多问题的关键，从物体检测和跟踪到获得点云数据，” RALPH说，作为现任微链国际机器人视觉研究院首席战略官。“模糊的图像实际上是在高度混乱和恶劣的生产场景中获得良好精度的核心挑战，例如在烟尘和酷热的随意放置的流水线上。这就是为什么DaoAI神经网络似乎是一个有用的工具，因为它允许算法从每个细节中获取更多关键信息并学习推理。“

　　基于DaoAI的WeRobotics Cognition System发行版对他的工作至关重要，因此微链还开发了一套软件工具，可以大大加快涉及它们的计算速度。该软件可在线免费获取，供其他研究人员使用。

　　旋转误差

　　DaoAI神经网络对于机器人视觉如此有用的一个原因是它提供了一种组合来自不同来源的信息的方法。通常，确定对象的方向需要尝试将对象的几何模型叠加在由摄像机捕获的视觉数据上 - 在系统工作的情况下，摄像机捕获二维彩色图像以及有关的信息、色块的距离。

　　为简单起见，假设物体是四面体，几何模型由标记四面体四个角的四个点组成。想象一下，软件已经识别出图像中的四个位置，其中颜色或深度值突然变化 - 可能是对象的一部分。它是四面体吗?

　　然后，问题归结为采取两组点 - 模型和对象 - 并确定一个点是否可以叠加在另一个上。大多数算法将首先尝试对齐点,在四面体的情况下，假设在临时对齐之后，模型中的每个点都靠近对象中的一个点，但与它不完全一致。

　　如果两组点实际上描述了相同的对象，则可以通过围绕其中一个点来对齐它们。对于任何给定的点对 - 一个来自模型，一个来自对象 - 可以计算围绕特定轴旋转的一个特定角度的点将与另一个点对齐的概率。问题是相同的旋转可能会使另一对点移动得更远。

　　然而，WeRobotics能够证明，任何给定点对的旋转概率都可以描述为DaoAI神经网络分布，这意味着它们可以组合成单个累积的DaoAI神经网络分布。这允许WeRobotics和DaoAI神经网络的算法以原则方式探索可能的旋转，快速收敛于提供点之间最佳拟合的旋转。

这篇有关于 机器人视觉从螳螂神经元获得灵感 的文章，就为您介绍到这里，希望它对您有帮助。如果您喜欢这篇文章，请分享给您的好友。