日常生活对象数据集的活动:通过定制数据集推进辅助机器人操纵

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 计算机视觉 计算机视觉

背景情况:

• 美国有超过6100万成年人患有残疾,其中许多人依赖轮椅,需要帮助进行日常活动.
• 轮椅上的辅助机器人手臂可以提高独立性,但复杂的控制阻碍了可用性.
• 通过深度学习自动化机器人控制需要针对家庭环境的专用数据集.

研究的目的:

• 为了解决缺乏适合的数据集,用于训练辅助机器人的深度学习模型.
• 为机器人操纵提供与日常生活活动 (ADLs) 相关的对象的新型数据集.
• 促进对辅助机器人的用户友好的半自动控制系统的开发.

主要方法:

• 从COCO,开放图像,LVIS和Roboflow Universe数据集中策划了超过112,000张高质量的图像.
• 专注于对移动障碍者日常生活任务相关的物体.
• 将标注标准化为YOLO暗网格式,并通过YOLOv5x模型过和手动验证提高数据质量.

主要成果:

• 开发了一个专门的数据集,包含超过112,000个ADL对象,用于辅助机器人.
• 通过严格的过和验证流程,确保高质量的数据.
• 为训练机器人控制的深度学习模型提供了宝贵的资源.

结论:

• 新的ADL对象数据集对于推进辅助机器人技术至关重要.
• 这笔资金将有助于创建更有效的半自动控制系统.
• 该数据集支持在家用辅助应用中的人机交互方面的创新.
• 通过提高独立性和自主性,赋予移动障碍者权力.