Hybrid deep learning for lifelong 3D recognition and grasping in service robots

De laatste jaren zijn servicerobots steeds populairder geworden, zowel in het dagelijks leven als in industriële omgevingen. In deze open en dynamische omgevingen moeten robots doorgaans continu en efficiënt leren, nieuwe objecten nauwkeurig herkennen en zich flexibel aanpassen aan diverse taken. Het bereiken van deze mogelijkheden is sterk afhankelijk van geavanceerde technologieën voor visuele perceptie en manipulatie. Huidige methoden kampen echter nog steeds met aanzienlijke beperkingen bij het aanpakken van uitdagingen zoals het leren van een paar samples, fijnmazige herkenning, multi-view informatiefusie en het grijpen van objecten in complexe scènes. Om deze problemen te overwinnen, stelt Songsong Xiong in zijn proefschrift een reeks innovatieve methoden voor die hybride deep learning integreren met multimodale representaties, met als doel de nauwkeurigheid en robuustheid van robotische driedimensionale (3D) objectherkenning en -grijpen in de praktijk te verbeteren. Experimentele evaluaties tonen aan dat deze voorgestelde methoden bestaande benaderingen overtreffen bij taken zoals levenslang leren met weinig opnamen, fijnmazige objectherkenning, multi-view 3D-herkenning en robotisch grijpen. Deze bijdragen bieden veelbelovende theoretische inzichten en praktische toepassingen voor robotsystemen.