Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Mạng nơ-ron thần kinh phân đoạn nắm bắt nhận thức của robot dành cho AI biên

Created by
  • Haebom

Tác giả

Casper Brocheler, Thomas Vroom, Derrick Timmermans, Alan van den Akker, Tangzhi Tang, Charalampos S. Kouzinopoulos, Rico Mockel

Phác thảo

Bài báo này đề cập đến vấn đề cầm nắm bằng robot, đòi hỏi khả năng cầm nắm và thao tác ổn định các vật thể có hình dạng, kích thước và hướng khác nhau. Chúng tôi sử dụng mạng nơ-ron sâu để học các biểu diễn trừu tượng, phong phú của vật thể và tổng hợp các tư thế cầm nắm. Cụ thể, chúng tôi triển khai một khuôn khổ toàn diện, Phát hiện Cầm nắm Hướng dẫn Bản đồ Nhiệt (Heatmap-Guided Grasp Detection), trên hệ thống trên chip (SoC) GAP9 RISC-V. Các kỹ thuật nhận biết phần cứng như giảm chiều đầu vào, phân vùng mô hình và lượng tử hóa được sử dụng để tối ưu hóa mô hình. Tính khả thi của suy luận trên chip được kiểm chứng thông qua chuẩn GraspNet-1Billion, làm nổi bật tiềm năng của thao tác tự động theo thời gian thực bằng cách sử dụng các MCU công suất thấp.

Takeaways, Limitations

Takeaways: Chứng minh tính khả thi của việc gắp robot theo thời gian thực bằng MCU công suất thấp. Điều này cho phép suy luận độ trễ thấp, công suất thấp trên các thiết bị biên. Suy luận hiệu quả trên chip được triển khai bằng các kỹ thuật tối ưu hóa nhận biết phần cứng.
_____T27847____-: Việc triển khai này dành riêng cho SoC GAP9 và cần nghiên cứu thêm để xác định khả năng áp dụng rộng rãi cho các nền tảng khác. Do hạn chế về bộ dữ liệu chuẩn được sử dụng, cần phải xác minh khả năng áp dụng rộng rãi trong các ứng dụng thực tế. Đồng thời, cần đánh giá thêm về độ bền vững của giải pháp này trên nhiều đối tượng và môi trường khác nhau.
👍