Η αναγνώριση αντικειμένων προσδιορίζει τι υπάρχει σε μια εικόνα ή σάρωση αισθητήρα. Είναι αυτό ένα άτομο, ένα αυτοκίνητο, ένα φλιτζάνι καφέ, ένα ελάττωμα; Το ρομπότ πρέπει να γνωρίζει τι κοιτάζει πριν αποφασίσει τι να κάνει. Η αναγνώριση είναι το πρώτο βήμα στην αντίληψη.

Τα πρώιμα συστήματα χρησιμοποιούσαν χειροποίητα χαρακτηριστικά: άκρες, γωνίες, υφές. Λειτουργούσαν για συγκεκριμένα αντικείμενα σε ελεγχόμενο φωτισμό. Η βαθιά μάθηση άλλαξε τα πάντα. Τα συνελικτικά νευρωνικά δίκτυα μαθαίνουν χαρακτηριστικά από δεδομένα με ετικέτες. Ένα δίκτυο που έχει εκπαιδευτεί σε εκατομμύρια εικόνες μπορεί να αναγνωρίσει χιλιάδες κατηγορίες αντικειμένων με υπεράνθρωπη ακρίβεια σε δοκιμές αναφοράς. Στον πραγματικό κόσμο, η απόδοση μειώνεται όταν αλλάζει ο φωτισμός, τα αντικείμενα επικαλύπτονται ή η κάμερα κινείται.

Εργασίες αναγνώρισης αντικειμένων

• Ταξινόμηση: τι υπάρχει στην εικόνα;
• Ανίχνευση: πού βρίσκεται και τι είναι;
• Τμηματοποίηση: ποια pixel ανήκουν στο αντικείμενο;
• Εκτίμηση στάσης: πώς προσανατολίζεται;
• Παρακολούθηση: πού μετακινείται με την πάροδο του χρόνου;

Ένα ρομπότ μπορεί να χρησιμοποιήσει την αναγνώριση για να επιλέξει ένα συγκεκριμένο εξάρτημα από έναν κάδο απορριμμάτων, να αποφύγει έναν πεζό ή να επιθεωρήσει μια συγκόλληση για ελαττώματα. Η πρόκληση είναι η γενίκευση. Ένα δίκτυο που έχει εκπαιδευτεί σε εικόνες ηλιόλουστου φωτός ημέρας μπορεί να παρουσιάσει βλάβη τη νύχτα. Ένα δίκτυο που έχει εκπαιδευτεί σε εξαρτήματα ενός εργοστασίου μπορεί να παρουσιάσει βλάβη σε εξαρτήματα ενός άλλου. Η συλλογή και η επαύξηση δεδομένων είναι εξίσου σημαντικές με την αρχιτεκτονική του μοντέλου. Τα καλύτερα συστήματα συνδυάζουν τη βαθιά μάθηση με τη γεωμετρική συλλογιστική και τη σύντηξη αισθητήρων. Μια κάμερα μπορεί να αναγνωρίσει το αντικείμενο. Το Lidar επιβεβαιώνει τη θέση του. Οι αισθητήρες δύναμης επιβεβαιώνουν τη λαβή. Η αναγνώριση δεν αφορά μόνο την όραση. Πρόκειται για την κατανόηση αυτού που πρέπει να γνωρίζει το ρομπότ.