FLAIROP: Finalist für die beste Publikation auf der 2022 IEEE CASE Konferenz
Ein Forschungsartikel aus dem deutsch-kanadischen Projekt FLAIROP hat es in die Finalrunde um den "Best Conference and Application Paper Award" der IEEE International Conference on Automation Sciences and Engineering (CASE) in Mexico-City geschafft. CASE ist eine Flaggschiff-Konferenz der IEEE Robotics & Automation Society. Sie bietet ein zentrales Forum für die multidisziplinäre Forschung im Bereich der Automatisierung und Robotik.
Die autonome Kommissionierung von Behältern stellt aufgrund der Komplexität des Problems eine große Herausforderung für bildverarbeitungsgesteuerte Robotersysteme dar. Um robuste und wirksame Algorithmen für maschinelles Lernen zur Lösung dieser komplexen Aufgabe zu entwickeln, sind große Mengen umfassender und hochwertiger Daten erforderlich. Das Sammeln solcher Daten in der realen Welt ist zu teuer und zu zeitaufwändig und daher aus Sicht der Skalierbarkeit nicht machbar. Um dieses Datenproblem zu lösen, ließ sich das FLAIROP-Team um die beiden Hauptautoren Maximilian Gilles vom Karlsruher Institut für Technologie und Yuhao Chen von der University of Waterloo vom Konzept der Metaversen inspirieren und stellte MetaGraspNet vor, einen groß angelegten fotorealistischen Bin-Picking-Datensatz, der durch physikbasierte Metaversensynthese erstellt wurde. Auf diese Weise erzeugte das FLAIROP-Team einen Datensatz mit mehr als 200 000 Bildern, die sowohl im synthetischen Metaversum als auch in der realen Welt entstanden sind. Es handelt sich dabei um einer der größten Datensätze seiner Art für die Entwicklung künstlicher Intelligenz für visuell gesteuerte Robotik in Produktions- und Logistikumgebungen.
Diese Ergebnisse sind in dem Forschungsartikel "MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware Ambidextrous Bin Picking via Physics-based Metaverse Synthesis" zusammengefasst und können hier abgerufen werden.
- Seite empfehlen:
- Druckansicht