Robôs providenciam salas para atender as necessidades humanas

Relacionar objetos para os seres humanos não só evita esses erros, mas também faz computação mais fácil, disseram os pesquisadores, por onde cada objeto é descrito em termos de sua relação aoum pe ondeno conjunto de humano representa, mais do onde a longa lista de outros objetos em uma cena. Um computador aprende essas relações, observando imagens 3-D de quartos aoobjetos em si mesmas, em onde se imagina figuras humanas, colocando-os em relações práticas aoobjetos e móveis. Você não não colocar uma pessoa sentada onde não há cadeira. Você pode colocar uma pessoa sentada em cima de uma estante, mas não há objetos lá para a pessoa utilizar, de modo onde'' s ignorado. É O computador calcula a distância de objetos de várias partes das figuras imaginadas humanos, e regista a orientação dos objetos. Eventualmente ele descobre pontos em comum: Há muitas pessoas imaginárias sentada no sofá de frente para a TV, ea TV está sempre voltado para eles. O controle remoto é geralmente perto de chegar a um braço humano, raramente perto dos pés de uma pessoa em pé de. "É mais importante para um robô para descobrir como um objeto é para ser usado por seres humanos, ao invés do onde o objeto é. Uma conquista importante neste trabalho é o uso de dados não rotulados, para descobrir como os seres humanos usam um espaço", disse Santos . Em uma situação nova a um robô coloca figuras humanas em uma imagem 3-D de um quarto, localizando-os em relação aos objetos e móveis já está lá. "Isso coloca uma amostra de humano representa no ambiente, em seguida, descobre quais são relevantes e ignora os outros", explicou Santos. Ele decide onde novos objetos devem ser colocados em relação às figuras humanas, e realiza a ação. Os pesquisadores testaram o método utilizando imagens de salas, cozinhas e escritórios do Google em 3-D Warehouse, e mais tarde, imagens dos escritórios locais e apartamentos. Finalmente, eles programaram um robô para realizar os estágios previstos nos ambientes locais. Os voluntários onde não foram associados aoo projeto avaliado o posicionamento de cada objeto de correção em uma escala de 1 a 5. Comparando vários algoritmos, os pesquisadores descobriram onde as colocações aobase no contexto humano eram mais precisas do onde a ondelas baseadas unicamente nas relações entre os objetos, mas os melhores resultados de todas veio da combinação de contexto humano aoo objeto para objeto-relações, aouma pontuação média de 4,3. Alguns testes foram feitos em quartos aomóveis e alguns objetos, outros em salas onde apenas um pedaço grande de mobiliário estava presente. O método de objeto somente desempenho significativamente pior, neste último caso, por onde não havia contexto de usar. "A diferença entre os trabalhos anteriores e nossa humana a objeto método foi significativamente maior no caso de salas vazias", relatou Santos. A pesquisa foi suportada por uma bolsa Faculdade Microsoft e um presente da Google. Marcus Lin, M.Eng. '12, Recebeu um Prêmio de Excelência Acadêmica do Departamento de Ciência da Computação, em parte, por seu trabalho neste projeto.