Computervision giver robotter mulighed for at fortolke visuel information. Kameraer optager billeder. Algoritmer udtrækker betydning: kanter, former, objekter, ansigter, bevægelse. Robotten bruger denne betydning til at navigere, vælge, inspicere eller spore.

Tidlig computervision var baseret på håndkodede regler. Find kanter, match skabeloner, mål afstande. Det fungerede i kontrolleret belysning og fejlede alle andre steder. Deep learning ændrede det. Konvolutionelle neurale netværk lærer funktioner fra mærkede billeder. De kan genkende en kat, en revne i en svejsning eller et modent jordbær uden at få at vide, hvad de skal kigge efter.

Hvad computersyn muliggør

• Objektdetektion og klassificering.
• Posevurdering for gribning.
• Visuel servostyring for præcis justering.
• Fejlfinding i produktionen.
• Samtidig lokalisering og kortlægning (SLAM).

Syn er svært, fordi verden er rodet. Belysning ændrer sig. Objekter overlapper hinanden. Reflektioner forvirrer kameraer. En robot, der ser godt i laboratoriet, kan fejle på fabriksgulvet. Ingeniører bruger flere kameraer, struktureret lys og dybdesensorer for at øge robustheden. De træner også på data fra det virkelige miljø, ikke kun rene datasæt. Computervision er det mest aktive forskningsområde inden for robotteknologi af en grund. Hvis en robot kan se, kan den næsten alt. Hvis den ikke kan, er den begrænset til blind, gentagen bevægelse.