近日，計算機視覺領(lǐng)域“奧斯卡”CVPR 2022公布論文收錄結(jié)果，全球AMR引領(lǐng)者極智嘉(Geek+)聯(lián)合美國卡耐基梅隆大學(xué)(CMU)和印度理工大學(xué)(IIT) 撰寫的物體重識別技術(shù)論文成功入選，再度印證了極智嘉在人工智能領(lǐng)域的領(lǐng)先科研水平，同時進一步奠定了極智嘉的行業(yè)領(lǐng)先地位。

IEEE國際計算機視覺與模式識別會議（Conference on Computer Vision and Pattern Recognition, CVPR）是計算機視覺領(lǐng)域的頂級國際性盛會。根據(jù)谷歌學(xué)術(shù)公布的2021年最新學(xué)術(shù)期刊和會議影響力排名，CVPR在所有學(xué)術(shù)刊物中位居第四，僅次于《Nature》、《NEJM》和《Science》。CVPR對論文的收錄有著極其嚴(yán)格的評選標(biāo)準(zhǔn)，入選難度極大。本屆CVPR的論文有效投稿量再創(chuàng)新高,多達(dá)8160篇，接收率僅為25.33%，競爭十分激烈。

技術(shù)創(chuàng)新 性能磅礴

高效率丨高靈活丨高安全

物體的重識別能力對于機器人的智能化至關(guān)重要，這決定著訂單揀選任務(wù)完成的質(zhì)量。極智嘉搬運產(chǎn)品部撰寫的入選論文《AirObject : A Temporally Evolving Graph Embedding For Object Identification》創(chuàng)新地提出用于視覺感知的物體重識別技術(shù)，賦予機器人識別和記憶不同物體和行人的能力。

此前，極智嘉搬運產(chǎn)品部聯(lián)合卡耐基梅隆大學(xué)(CMU)提出的用于視覺定位導(dǎo)航的全新提取對象描述符算法論文也獲得了機器人頂級盛會ICRA和著名機器人期刊RA-L收錄。

作為應(yīng)用這兩大創(chuàng)新技術(shù)的產(chǎn)品，極智嘉訂單到人揀選機器人A60C憑借著先進的視覺定位和視覺感知技術(shù)，可以安全穩(wěn)定地在復(fù)雜場景中人機混行，滿足幾乎所有工業(yè)、倉庫場景實時變化的需求。

▲ 極智嘉訂單到人揀選機器人A60C

持續(xù)創(chuàng)新 以技為用

學(xué)術(shù)賦能產(chǎn)品升級

為了提高機器人在工廠倉庫環(huán)境下的物體重識別能力，我們提出了以下算法：首先使用Superpoint網(wǎng)絡(luò)和MaskRCNN在每幀圖像上提取物體的特征點和實例分割的掩膜。為了能夠利用上物體的結(jié)構(gòu)信息，我們使用Delaunay Triangulation算法對物體上的特征點進行三角剖分（得到一系列相連的但不重疊的三角形的集合，而且這些三角形的外接圓不包含這個面域的其他任何點）。

在得到物體的結(jié)構(gòu)信息后，我們采用圖神經(jīng)網(wǎng)絡(luò)GAT算法和稀疏化網(wǎng)絡(luò)提取單幀物體上的描述符。最后使用TCP網(wǎng)絡(luò)和SAP層聚合多幀物體的描述符，為每個物體形成描述其特性的唯一編碼，用于物體的重識別。

▲ 算法流程（左）和倉庫環(huán)境下的物體檢測（右）

極智嘉訂單到人揀選機器人A60C在某些揀選任務(wù)中，需要完成跟隨倉庫人員到達(dá)不同的貨架取貨(Follow Me)的功能。此時，機器人的物體識別和行人跟隨能力將決定任務(wù)完成的質(zhì)量。通過全新的物體重識別算法，A60C能夠在極其復(fù)雜的場景下穩(wěn)定高效地完成行人跟隨和訂單到人的任務(wù)，助力揀選效率實現(xiàn)2-3倍提升。

▲ 極智嘉訂單到人揀選場景

為了使A60C能夠更加準(zhǔn)確的重識別物體，我們在監(jiān)督網(wǎng)絡(luò)訓(xùn)練時加權(quán)使用了三個損失函數(shù)：特征稀疏化損失函數(shù)、描述符稠密化損失函數(shù)和物體重識別損失函數(shù)。損失函數(shù)三部分相互平衡，極大的提升了機器人的視覺感知能力。

▲ 網(wǎng)絡(luò)訓(xùn)練的損失函數(shù)

我們進行了大量的實驗去驗證算法的有效性。新算法在YT-VIS、UVO、OVIS和TAO-VOS都取得了優(yōu)異的性能，其Precision、Recall和F1-score均比當(dāng)前SOTA的算法提升較多。

▲ 不同數(shù)據(jù)集下算法的性能對比

論文鏈接：

https://arxiv.org/pdf/2111.15150.pdf