空間智能新突破！李飛飛團隊使用奧比中光相機讓機器人“定點操作”

2024.09.19
orbbec

近期，全球領(lǐng)先的人工智能研究團隊，斯坦福大學李飛飛教授團隊發(fā)布了他們在“空間智能”領(lǐng)域的最新突破性成果——ReKep（Relational Keypoint Constraints，關(guān)系關(guān)鍵點約束），并通過試驗表明，ReKep在機器人操作、家務(wù)自動化等領(lǐng)域具有廣泛的應用潛力。該研究中，團隊使用了奧比中光RGB-D相機Femto Bolt，精準有效捕捉實驗場景的彩色圖像及深度信息，幫助ReKep系統(tǒng)識別和定位場景中的物體及其關(guān)鍵點，為機器人動作優(yōu)化和復雜交互提供了關(guān)鍵的3D視覺數(shù)據(jù)支撐。

↑ 點擊播放視頻 ↑

根據(jù)研究論文釋義，ReKep是將復雜任務(wù)轉(zhuǎn)換為一系列關(guān)系關(guān)鍵點的約束優(yōu)化框架，以Python函數(shù)的形式表現(xiàn)。這些函數(shù)將環(huán)境中的3D關(guān)鍵點映射為數(shù)值成本，通過捕捉具有任務(wù)語義和空間意義的3D關(guān)鍵點，賦予機器人自主決策能力，從而高效應對每個任務(wù)的核心挑戰(zhàn)。基于Femto Bolt提供的高質(zhì)量RGB和深度數(shù)據(jù)，ReKep系統(tǒng)能精準將環(huán)境中的3D關(guān)鍵點映射到數(shù)值成本來定義這些約束。

深度感知，精準規(guī)劃

Femto Bolt是一款基于微軟先進的ToF（飛行時間）傳感技術(shù)設(shè)計的RGB-D相機。其中，RGB圖片的生成幫助ReKep系統(tǒng)進行目標檢測和識別，深度圖像可以提供精確的3D信息，讓ReKep系統(tǒng)分辨目標的空間位置和距離關(guān)系，二者結(jié)合讓ReKep系統(tǒng)充分理解操作場景，生成引導機器人決策與執(zhí)行關(guān)鍵點的3D坐標。

此外，3D關(guān)鍵點的準確提取對數(shù)據(jù)質(zhì)量提出了極高要求，包括深度精度和點云質(zhì)量。Femto Bolt 能輸出4K高分辨率圖像，有效減少誤識別并提升互動可靠性，這對機器人執(zhí)行精細、復雜的操作至關(guān)重要。

超低延時，流暢交互

在實驗研究中，ReKep系統(tǒng)對環(huán)境3D關(guān)鍵點的捕捉與傳輸需要具備足夠快的速度，以確保人機交互的流暢性。Femto Bolt 通過每秒30幀的高幀率捕捉深度數(shù)據(jù)，并集成了多模式的深度圖像、彩色圖像模塊及慣性傳感器，以超低延時實現(xiàn)實時反饋和互動，確保機器人能夠迅速響應ReKep系統(tǒng)的指令。

多機同步，高效協(xié)作

李飛飛團隊在不同機器人平臺上搭建系統(tǒng)進行多種任務(wù)實驗，包括單臂和雙臂機器人的多階段、雙手協(xié)作積極反應性的操作任務(wù)。Femto Bolt支持多機同步，通過構(gòu)建更大范圍內(nèi)的空間采集，幫助多臺機器人協(xié)作完成共同的任務(wù)。

在多機同步方面，F(xiàn)emto Bolt使用了通用性更強、功能擴展性更廣的8針GPIO接口，并配備相應的連接器材。同時，F(xiàn)emto Bolt還配備了帶鎖的USB-C接口，確保供電和數(shù)據(jù)傳輸?shù)耐瑫r進行，增強了系統(tǒng)的安全性和穩(wěn)定性。

圖片來自于李飛飛團隊ReKep研究論文

深度融合大視覺模型

更值得關(guān)注的是，李飛飛團隊在該研究中結(jié)合了視覺模型與視覺-語言模型，當中包括GPT-4o（OpenAI為聊天機器人ChatGPT發(fā)布的語言模型），充分展示了視覺與機器人學習的深層次融合。在不提供特定任務(wù)數(shù)據(jù)或詳細環(huán)境模型的情況下，ReKep系統(tǒng)展示出在非結(jié)構(gòu)化環(huán)境中完成任務(wù)的良好泛化能力，具備不同任務(wù)策略的適應性。

圖片來自于李飛飛團隊ReKep研究論文

在機器人視覺領(lǐng)域，奧比中光擁有超過8年的商用落地經(jīng)驗，致力于打造機器人的“眼睛”。今年3月，奧比中光與英偉達攜手，將Femto Bolt先進的iToF技術(shù)與NVIDIA Orin AGX的人工智能計算能力結(jié)合，搭配Universal Robots UR5機械臂，實現(xiàn)了高精度的物品檢測、揀選和放置，為料倉揀選樹立了新的行業(yè)標桿。在多模態(tài)大模型技術(shù)（語音、文本、視覺）與機械臂控制技術(shù)的探索中，奧比中光研發(fā)團隊已推出2.0版大模型機械臂，具備精準識別日常物體并理解執(zhí)行指令的能力。未來，奧比中光將繼續(xù)探索機器人視覺傳感技術(shù)的應用，助力空間智能系統(tǒng)發(fā)展，進一步推動機器人視覺與人工智能的技術(shù)突破，開啟更廣泛的智能化應用場景。