当前位置: 首页>>优优 >>机器人将是国际足联的冠军 - 如果他们保持眼睛的球

机器人将是国际足联的冠军 - 如果他们保持眼睛的球

添加时间:    


DARwIn-OP人形足球玩机器人可能看起来像一个玩具,但是是一个突破性的人工智能研究平台。图片来源:David Budden

我们已经知道机器人制造汽车,在工厂工作,甚至真空我们的家园,但他们能组成一个世界级的足球队吗?

考虑到好莱坞长期以来对机器人的痴迷,这个问题看起来像是一个电影大亨的成熟挑剔。一些电影描绘了一个未来的乌托邦画面,机器人和人类生活在完美的共生中;机器人无私地执行人类主人所要求的世俗任务,让社会自由地沉迷于更有价值的活动。其他人描绘的恰恰相反。

但在现实世界中,我们正处于机器人革命的中心,这是不容置疑的。

足球机器人?

如果您还没有听说过,RoboCup是1997年组建的国际机器人大赛,官方目标是:到21世纪中叶,

,一支完全自主的类人足球队将赢得足球比赛遵守国际足联的官方规则,对最近的世界杯冠军。

虽然这个目标没有改变,但RoboCup现在包含了更多种类的机器人挑战,分别是:

这些挑战中的每一个都包含许多个人比赛解决RoboCup总体目标的不同方面。这些包括低级硬件问题(例如创建能够像人一样走路或跑步的真人大小的机器人)以及高层次的行为问题(如何在团队环境中制定机器人策略和合作)。

一些RoboCup比赛取消了物理硬件(如摄像机,传感器和电机)的限制,允许通过模拟开发和测试复杂的团队策略(这是我目前与CSIRO ICT中心合作研究的重点)。

其他人则鼓励复杂的人形机器人的全面发展,从30厘米高到成年人的大小。

RoboCup足球比赛的运作方式与常规比赛非常相似,只不过人类球员被机器人取代。来自世界各地的四个来自世界各地的球队竞争进入决赛并成为冠军。

这些机器人是完全自主的 - 不受人类控制。这意味着他们必须进行编程,以执行在场上所需的许多不同功能,包括运动,踢,从摔倒恢复,并承认球和其他球员。

存在不同规模的联赛,最终的目标是这些机器人将成为技术先进的足以面对人类。

但是在我与纽卡斯尔大学RoboCup队伍的三年中,我的注意力不同 - 计算机视觉系统和算法的发展。

计算机视觉

计算机视觉系统(至少在RoboCup的情况下)涉及两个主要步骤:对象检测,并放置在对象在环境中的地方。一个例子可能是一个机器人看到一个足球(物体检测),然后确定它与场地(物体定位)相关的确切位置。

顾名思义,对象检测涉及到机器人的视觉流(从摄像机以每秒30帧到达的一组图像)的处理,并搜索每一帧的任何显着特征的存在。

在典型的RoboCup场景中,这些显着特征可能包括:球,门柱,地标信标,场地线,罚球线,中心圈,其他机器人(队友和比赛)以及任何其他障碍物(例如裁判员的腿)。

机器人然后知道周围有多个物体 - 特别是它们的像素坐标,以及指定它们的方向和大小的任何信息。

机器人如何看待世界。正确检测到的球由蓝色圆圈表示 无论是简单的通畅的情况下(左)和被遮蔽的情况 - 某事在球的前面(右)。图片来源:David Budden

 

就“物体定位”而言,“机器人知道物体的像素坐标可能是好的,但不幸的是,机器人实际上并不驻留在二维图像平面上。

为了与其环境进行交互,视觉系统必须包含对象定位的方法 - 将由“检测对象的机器人给出的像素坐标投影到场坐标中的能力 - 对象存在于3D空间中的位置”。

在这个阶段,机器人学习一组物体相对于机器人的物理位置和方向。有了这些信息,机器人就可以选择正确的动作 - 无论是踢球,跳水还是防守。

这两个步骤可能看似简单,但有很多并发症。

一个问题是计算效率。单个图像可能包含多达200万像素,并且必须在不到30毫秒的时间内搜索每个可能的对象(保持每秒30帧的帧速率,使机器人能够对快速足球事件保持响应)。

另一个问题是如何编写算法来处理颜色的概念。作为人类,我们习惯于在日常生活中处理高级概念,如“红色”或“绿色”。

机器人只是将一个像素看作一组数字,每个像素以1680万个可能的颜色值之一显示。我们怎样才能轻松(和有效地)在这两个模型之间转换?在RoboCup中,这是一个特别重要的问题,在这个问题中,功能是传统的颜色编码。

 

机器人将带您去。纽卡斯尔大学世界冠军RoboCup队 - 墨西哥特奥蒂瓦坎的NUbots队。 David Budden

 

退后一步

在我最近的论文(在最近的第25届澳大利亚人工智能联合会议上被授予“最佳学生论文”)中,我特别在球检测领域讨论了其中的一些问题。

该系统从普通的球检测方法退后一步,该方法使用了一个机器人看到的图像中出现圆球的知识。

这在概念上是有意义的,但是假设球在图像中是圆形的,当面对机器人接收到的信号(例如镜头失真或运动模糊)时,容易出错。这些算法也相对低效。

取而代之的是,领域特定的知识(或机器人将运行的环境的已知特​​征 - 在这种情况下,诸如球和目标柱的颜色)被集成到一系列直接的步骤中:机器学习的应用算法来定位球的候选者,然后通过基本的三角操作进行细化。换句话说,如果场上的物体是一个球的大小和颜色,它必须是一个球 - 与形状无关。

这个系统是如何执行的?很好!除了允许大部分的球隐藏在其他物体之后,该算法在检测球(即使部分隐藏)方面的准确性是两倍,并且比较方法的执行时间减少了300倍。

这只是一个有利于简单化的科学例子,以及“在广场外思考”(或者在这个例子中为圆圈)的好处,而不是接受常见的教科书方法来解决一个众所周知的问题。

以自己的方式,机器人技术的进步正在促进美丽的游戏的增强。

来源:对话,作者大卫·巴登

随机推荐

网站导航 福利地图