Aviso sobre el Uso de cookies: Utilizamos cookies propias y de terceros para mejorar la experiencia del lector y ofrecer contenidos de interés. Si continúa navegando entendemos que usted acepta nuestra política de cookies. Ver nuestra Política de Privacidad y Cookies
Tienes activado un bloqueador de publicidad

Intentamos presentarte publicidad respetuosa con el lector, que además ayuda a mantener este medio de comunicación y ofrecerte información de calidad.

Por eso te pedimos que nos apoyes y desactives el bloqueador de anuncios. Gracias.

Continuar...

Lunes, 4 noviembre 2013
Robótica

Diseñando robots más capaces de identificar objetos mezclados y en posiciones inusuales

El reconocimiento de objetos es uno de los problemas más ampliamente estudiados en el campo de la visión por ordenador. Sin embargo, para un robot que deba manipular objetos en el mundo real, reconocerlos no es suficiente; también tiene que entender su orientación. ¿Está colocada al revés o de lado esa jarra? ¿Hacia qué dirección apunta su asa?

Para mejorar en los robots la capacidad de apreciar la orientación de los objetos, el equipo de Jared Glover, del Instituto Tecnológico de Massachusetts (MIT) en Cambridge, Estados Unidos, está explotando lo que se conoce en estadística como la Distribución de Bingham.

Con la ayuda previa de Sanja Popovic (que ahora está en Google), Glover se basó en la Distribución de Bingham para desarrollar un nuevo algoritmo de visión para robots que es un 15 por ciento mejor que su mejor contendiente en la tarea de identificar objetos conocidos en medio de un montón de cosas desordenadas y amontonadas caóticamente.

[Img #16432]
La Distribución de Bingham permite al nuevo algoritmo identificar la orientación de un objeto usando muchos menos puntos de datos, aquí representados por círculos rojos y púrpuras, que los requeridos por algoritmos anteriores. (Imágenes: Cortesía de los investigadores)

Sin embargo, ese algoritmo está orientado a analizar datos visuales de alta calidad en entornos que le resulten familiares al robot. Como la Distribución de Bingham es una herramienta para el razonamiento probabilístico, promete ventajas aún mayores en contextos donde la información es incompleta o poco fiable. En los trabajos en curso, Glover está utilizando distribuciones de Bingham para analizar la orientación de pelotas de ping-pong en vuelo, como parte de un proyecto más amplio para enseñar a robots a jugar al ping-pong. En casos en los que la información visual es particularmente pobre, su algoritmo perfeccionado ofrece una mejora de más del 50 por ciento con respecto a las mejores alternativas.

Información adicional





Copyright © 1996-2017 Amazings® / NCYT® | (Noticiasdelaciencia.com / Amazings.com). Todos los derechos reservados.
Depósito Legal B-47398-2009, ISSN 2013-6714 - Amazings y NCYT son marcas registradas. Noticiasdelaciencia.com y Amazings.com son las webs oficiales de Amazings.
Todos los textos y gráficos son propiedad de sus autores. Prohibida la reproducción total o parcial por cualquier medio sin consentimiento previo por escrito.
Excepto cuando se indique lo contrario, la traducción, la adaptación y la elaboración de texto adicional de este artículo han sido realizadas por el equipo de Amazings® / NCYT®.

Amazings® / NCYT® • Términos de usoPolítica de PrivacidadMapa del sitio
© 2017 • Todos los derechos reservados - Depósito Legal B-47398-2009, ISSN 2013-6714 - Amazings y NCYT son marcas registradas. Noticiasdelaciencia.com y Amazings.com son las webs oficiales de Amazings.
Powered by FolioePress