Инновационная система искусственного интеллекта UQ-DAAAM
Ученые из Массачусетского технологического института (MIT) создали новую ИИ-систему под названием UQ-DAAAM, которая способна обнаруживать и корректировать ошибки в описаниях объектов, хранящихся в памяти роботов. Технология анализирует изображения предметов с разных точек зрения, оценивает степень неопределённости в описаниях и при необходимости выбирает дополнительные ракурсы для уточнения, что позволяет снизить нагрузку на вычислительные ресурсы и повысить точность распознавания.
Данная разработка стала продолжением проекта MIT — системы DAAAM, которая сочетала компьютерное зрение и обработку естественного языка для детальных описаний объектов в 3D-картах окружающей среды. Однако предыдущая версия сталкивалась с проблемами при частичном перекрытии объектов, плохом освещении, размытых изображениях или значительном удалении от камеры. Новый алгоритм UQ-DAAAM оценивает степень неопределённости и сравнивает данные с альтернативными изображениями. Если уровень сомнений превышает заданный порог, запускается процесс уточнения описания.
Ключевые преимущества UQ-DAAAM
Система умеет самостоятельно подбирать дополнительные ракурсы для улучшения описания, что особенно важно для мобильных роботов с ограниченными вычислительными возможностями. В основе лежит крупная языковая модель, которая объединяет полученные данные, придавая больше веса свежей и однозначной информации. Обновленные и исправленные данные сохраняются в памяти робота для дальнейшего использования, что повышает эффективность его работы в реальных условиях.
В ходе тестов UQ-DAAAM успешно устранила неоднозначности примерно в 92% случаев, требуя в среднем два дополнительных описания на один объект. Это позволило увеличить точность распознавания и описания на 5% по сравнению с современными методами. Кроме того, система помогает роботам более корректно отвечать на вопросы о предметах, их расположении и времени последней встречи.
Команда MIT планирует адаптировать технологию для различных типов роботов, включая мобильные манипуляторы. Также исследователи работают над возможностью обучения системы самостоятельно выявлять зоны с высокой неопределённостью и направлять туда роботов для сбора дополнительных данных. Иллюстративные изображения для статьи предоставлены MIT.
Разработка UQ-DAAAM открывает новые горизонты для повышения эффективности мобильных роботов в сложных условиях, где важны скорость и точность распознавания объектов. Это особенно актуально для российских предприятий и исследовательских центров, активно внедряющих робототехнику в промышленность, логистику и экологический мониторинг. В дальнейшем технология может стать основой для более автоматизированных и интеллектуальных робототехнических решений.