來自日本芝浦工業(yè)大學的研究人員開發(fā)了一個新型 6D 姿態(tài)數(shù)據(jù)集，旨在提高工業(yè)環(huán)境中機器人抓取的準確性和適應性。該數(shù)據(jù)集集成了 RGB 和深度圖像，顯示出在動態(tài)環(huán)境中提高執(zhí)行拾取和放置任務的機器人精度的巨大潛力。

準確的對象姿態(tài)估計是指機器人確定物體的位置和方向的能力。這對于機器人技術至關重要，特別是在制造和物流等行業(yè)中至關重要的拾取和放置任務中。隨著機器人越來越多地被賦予復雜的操作任務，它們精確確定物體六個自由度（6D 姿態(tài)）的位置和方向的能力變得至關重要。這種能力確保了機器人能夠以可靠和安全的方式與物體交互。然而，盡管深度學習取得了進展，6D 姿態(tài)估計算法的性能在很大程度上取決于它們所訓練的數(shù)據(jù)的質量。

由日本千葉理工學院工程學院副教授潘宣潭及其團隊領導的一項新研究，以及來自越南河內工業(yè)大學的阮仲武博士、杜從越先生和裴尚蘭博士，越南河內科技大學副教授戴泰 Vi?t，介紹了一個精心設計的數(shù)據(jù)庫，旨在提高 6D 姿態(tài)估計算法的性能。該數(shù)據(jù)庫通過提供一個全面的資源，解決了機器人抓取和自動化研究中的一個主要差距，使機器人能夠在現(xiàn)實世界環(huán)境中以更高的精度和適應性執(zhí)行任務。這項研究于 2024 年 11 月 23 日在線發(fā)布，并于 2024 年 12 月發(fā)表在《工程成果》期刊第 24 卷上。

副教授潘宣潭感嘆道：“我們的目標是創(chuàng)建一個不僅推進研究，而且解決工業(yè)機器人自動化實際挑戰(zhàn)的數(shù)據(jù)庫。我們希望它成為研究人員和工程師的有價值資源?！?/p>

研究團隊創(chuàng)建了一個不僅滿足研究社區(qū)需求，而且適用于實際工業(yè)環(huán)境的數(shù)據(jù)庫。他們使用 Intel RealSenseTM 深度 D435 攝像頭捕獲了高質量的 RGB 和深度圖像，并對每個圖像進行了標注，包括物體的 6D 位姿數(shù)據(jù)（旋轉和位移）。該數(shù)據(jù)庫具有各種形狀和尺寸，并添加了數(shù)據(jù)增強技術，以確保其在不同環(huán)境條件下的通用性。這種方法使該數(shù)據(jù)庫非常適合廣泛的機器人應用。

“我們的數(shù)據(jù)庫經(jīng)過精心設計，適用于工業(yè)領域。通過包含形狀和環(huán)境變量不同的物體，它不僅為研究人員提供了寶貴的資源，也為在動態(tài)和復雜條件下工作的工程師提供了資源，”譚副教授補充道。

該數(shù)據(jù)集使用最先進的深度學習模型 EfficientPose 和 FFB6D 進行評估，分別達到了 97.05% 和 98.09% 的準確率。高準確率證明該數(shù)據(jù)集提供了可靠和精確的姿態(tài)信息，這對于機器人操作、制造業(yè)的質量控制以及自動駕駛等應用至關重要。這些算法在該數(shù)據(jù)集上的優(yōu)異表現(xiàn)突出了改進需要精度的機器人系統(tǒng)的潛力。

唐副教授表示，“雖然我們的數(shù)據(jù)集包括矩形棱柱、梯形和圓柱等基本形狀，但將其擴展以包含更多復雜和不規(guī)則的物體將使其更適用于實際場景。” 此外，他補充道，“雖然 Intel RealSenseTM 深度 D435 相機提供了出色的深度和 RGB 數(shù)據(jù)，但數(shù)據(jù)集對它的依賴可能會限制沒有相同設備的 researchers 的可訪問性。”

盡管存在這些挑戰(zhàn)，研究人員對數(shù)據(jù)集的影響持樂觀態(tài)度。結果清楚地表明，精心設計的數(shù)據(jù)集可以顯著提高 6D 姿態(tài)估計算法的性能，使機器人能夠以更高的精度和效率執(zhí)行更復雜的任務。

"這些成果值得付出努力！"，副教授譚興奮地喊道。展望未來，團隊計劃通過納入更多種類的物體和自動化部分數(shù)據(jù)收集過程來擴展數(shù)據(jù)集，以提高其效率和可訪問性。這些努力旨在進一步提高數(shù)據(jù)集的適用性和實用性，使依賴機器人自動化的研究人員和行業(yè)受益。