Pengenalan objek mengidentifikasi apa yang ada dalam gambar atau hasil pemindaian sensor. Apakah itu orang, mobil, cangkir kopi, atau kerusakan? Robot perlu mengetahui apa yang dilihatnya sebelum dapat memutuskan apa yang harus dilakukan. Pengenalan adalah langkah pertama dalam persepsi.

Sistem awal menggunakan fitur yang dibuat secara manual: tepi, sudut, tekstur. Sistem tersebut bekerja untuk objek tertentu dalam pencahayaan terkontrol. Pembelajaran mendalam mengubah segalanya. Jaringan saraf konvolusional mempelajari fitur dari data berlabel. Jaringan yang dilatih pada jutaan gambar dapat mengenali ribuan kategori objek dengan akurasi luar biasa pada uji benchmark. Di dunia nyata, kinerja menurun ketika pencahayaan berubah, objek tumpang tindih, atau kamera bergerak.

Tugas pengenalan objek

• Klasifikasi: apa yang ada di dalam gambar?
• Deteksi: di mana letaknya, dan apa itu?
• Segmentasi: piksel mana yang termasuk dalam objek?
• Estimasi pose: bagaimana orientasinya?
• Pelacakan: ke mana arahnya dari waktu ke waktu?

Sebuah robot mungkin menggunakan pengenalan untuk mengambil bagian tertentu dari sebuah wadah, menghindari pejalan kaki, atau memeriksa lasan untuk mengetahui adanya cacat. Tantangannya adalah generalisasi. Jaringan yang dilatih pada gambar siang hari yang cerah mungkin gagal di malam hari. Jaringan yang dilatih pada bagian-bagian dari satu pabrik mungkin gagal pada bagian-bagian dari pabrik lain. Pengumpulan dan penambahan data sama pentingnya dengan arsitektur model. Sistem terbaik menggabungkan pembelajaran mendalam dengan penalaran geometris dan fusi sensor. Sebuah kamera mungkin mengenali objek tersebut. Lidar mengkonfirmasi posisinya. Sensor gaya mengkonfirmasi genggaman. Pengenalan bukan hanya tentang melihat. Ini tentang memahami apa yang perlu diketahui robot.