在近日于意大利羅馬召開的“機器人學：科學與系統大會”上，美國麻省理工學院（MIT）的科研團隊展示了如何用“同步定位與繪圖”（SLAM）技術來提高目標識別系統的性能。
SLAM技術能讓移動機器人自我定位、繪制出自身所在位置的地圖；目標認知系統是未來機器人的關鍵組成部分，幫助它們操縱身邊的物體。新的目標識別系統由MIT機械工程系教授約翰·萊奧納德的團隊設計，他們將目前的SLAM技術和目標認知算法結合，只用普通的視頻攝像機作外部輸入，把不同角度獲取的信息融合在一起，使系統性能可媲美特種機器人目標認知系統，而后者需要深度測量和視覺信息。
論文第一作者、MIT計算機科學與工程系研究生蘇迪普·皮爾萊說，在猜測圖像中包含了哪些物體之前，新系統會首先識別兩個物體之間的邊界，初步分析顏色轉變，在此基礎上把圖像分成多個各自包含某種物體的矩形區域，然后對每個區域內的像素作識別計算。
研究人員指出，傳統目標識別系統可能需要對這些矩形區域重畫幾千次。因為從某個角度來看，兩個并排的物體看起來好像是一個，特別是當它們顏色相似的時候。因此系統必須對一些假設進行測試，比如假設它們是一個，或假設它們是分開的。
而SLAM技術生成的圖像是三維的，所以在區分近距離物體方面比單一角度分析系統好得多。用SLAM技術來指導圖像分割并分區計算，在處理假設時效率更高。更重要的是，SLAM技術能把不同角度圖像的分區與目標識別系統關聯起來，對各圖區作分析，就可能繪出同一物體的不同角度，提高系統識別能力。
目前，該團隊正在探索SLAM技術的核心難題“環路閉合”，即在機器人繪制它所在地地圖時，可能發現它以前來過這里——比如從不同的門進入同一個房間它要能認出以前到過哪些地方，才能把來自不同角度的地圖數據更好地結合在一起。
