在近日于意大利羅馬召開的“機器人學(xué)：科學(xué)與系統(tǒng)大會”上，美國麻省理工學(xué)院（MIT）的科研團隊展示了如何用“同步定位與繪圖”（SLAM）技術(shù)來提高目標(biāo)識別系統(tǒng)的性能。

　　SLAM技術(shù)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(biāo)認知系統(tǒng)是未來機器人的關(guān)鍵組成部分，幫助它們操縱身邊的物體。新的目標(biāo)識別系統(tǒng)由MIT機械工程系教授約翰·萊奧納德的團隊設(shè)計，他們將目前的SLAM技術(shù)和目標(biāo)認知算法結(jié)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(tǒng)性能可媲美特種機器人目標(biāo)認知系統(tǒng)，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(xué)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(tǒng)會首先識別兩個物體之間的邊界，初步分析顏色轉(zhuǎn)變，在此基礎(chǔ)上把圖像分成多個各自包含某種物體的矩形區(qū)域，然后對每個區(qū)域內(nèi)的像素作識別計算。

　　研究人員指出，傳統(tǒng)目標(biāo)識別系統(tǒng)可能需要對這些矩形區(qū)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(dāng)它們顏色相似的時候。因此系統(tǒng)必須對一些假設(shè)進行測試，比如假設(shè)它們是一個，或假設(shè)它們是分開的。

　　而SLAM技術(shù)生成的圖像是三維的，所以在區(qū)分近距離物體方面比單一角度分析系統(tǒng)好得多。用SLAM技術(shù)來指導(dǎo)圖像分割并分區(qū)計算，在處理假設(shè)時效率更高。更重要的是，SLAM技術(shù)能把不同角度圖像的分區(qū)與目標(biāo)識別系統(tǒng)關(guān)聯(lián)起來，對各圖區(qū)作分析，就可能繪出同一物體的不同角度，提高系統(tǒng)識別能力。

　　目前，該團隊正在探索SLAM技術(shù)的核心難題“環(huán)路閉合”，即在機器人繪制它所在地地圖時，可能發(fā)現(xiàn)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(shù)據(jù)更好地結(jié)合在一起。