技术发展至今，机器人能够自主检查核电厂，处理海洋中的石油泄漏事件，协助战斗机进行空战，或是探索火星表面，但对它们来说，有些能力还是无法与人类比拟。
其中一项人所特有的，就是辨识 3D 物体的能力，尽管机器人能轻易透过相机、感测器来“查看”物体，但它们还是难以像人类一样，能从短暂一瞥中解读出看到的东西。
即使是世界上最复杂的机器人，也都无法做到这项多数孩子都能自动做到的事，但杜克大学的研究生 Ben Burchfiel 和他的论文顾问 George Konidaris，已经快要找到这个问题的解决方案。
R&D Magazine 报导，为了使机器用更人性化的方式解读 3D 物体，Burchfiel 两人开发了一项新技术，让机器人成功达成在混乱的桌面上分辨不同尺寸、形状碗盘的任务。
或许你不曾注意过自己的这项能力，但人类辨识 3D 物体的能力十分出色，不论从何种角度，物体颠倒与否，看见全貌或部分被遮蔽，人们都可以从短暂一瞥中大致分辨出看到的新物体，大脑会在想像中自动填补看不到的地方。
研究团队也希望赋予机器人这项能力，透过设计的感知算法让机器人也能不用从多角度看见新物体，而学会猜测新物体的面貌和用途，“想像”出任何不在视野中的部分。
一旦机器人具备这项技术，就不需要从每个角度观察茶壶，也可以知道这个物体可能有把手、盖子和出水口，也可以分辨它是否适用于何种炉子。
Burchfiel 指出，比起实验室或工厂车间，现实世界并非可控制的环境，事物也并非总是有序或可预测，对于要在日常与人类一起运作的机器人来说，这是相当重要的一步。
12 日在剑桥举办的机器人科学与系统大会上，研究团队表示，他们目前已经让机器人在有限数量的训练下，成功辨识新看见的 3D 物体，速度较以往最好的情况还要再快上 3 倍。
（Source：Ben Burchfiel 个人网站）
据了解，研究人员先用近 4,000 笔普通家庭物品的完整 3D 扫描数据训练机器人的算法，包含床、桌椅、梳妆台、监视器等，每个扫描再转换为成千上万的小立方块，像乐高一样堆叠在一起，让系统更好处理。
之所以这么做，Burchfiel 解释，是因为团队认为，替每个可能的特定物体设定详细的 3D 模型非常不切实际。
透过分析这些扫描数据的范例，算法开始学会使用称为“概率主成分分析”（Probabilistic PCA）的技术，了解范例数据中的变与不变。
运用这个算法，机器人发现新物品时不再需要观察全貌，就能基于从前的知识，像人们一样概括分辨出两个物体的不同，同时又能理解其中相同的部分，让这两个物体都同样属于特定类型的家具。
为了测试这个方法的实用性，研究人员挑选了 10 种新的家庭用品，提供机器近千张从顶部拍摄的 3D 范例，让机器从单一角度猜测对象是什么，完整 3D 形状又该是如何。
结果发现包含隐藏部分，机器大概可以猜中物体 3D 形状的 75%，较过去最好情况下猜中 50% 的比率大幅提升，不仅如此，它也能辨识各种方式旋转的物体，这是过去其他算法无法做到的。
但在目前的情况中，算法仍旧容易被物体在特定角度的形状所迷惑，像是从上方看到一张桌子，而将其误认为一个梳妆台，但研究团队认为整体来说，这还是很大的进步，只是还不到能在实际生活运用的程度。
尽管如此，研究团队已成功让机器人辨识一些 3D 物体，并透过“想像”填补视野中的盲点、重建未知的部分，Burchfiel 表示，“这在许多机器人应用中可能是无价的。”
- Helping Robots Learn to See in 3D
- Bayesian Eigenobjects: A Unified Framework for 3D Robot Perception
（首图来源：shutterstock）
