s.taraglio. reti neurali per la percezione dellambiente in robotica autonoma 1 reti neurali per la...
TRANSCRIPT
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 1
Reti neurali per la percezione dell’ambiente in robotica
autonoma
Sergio TaraglioSergio Taraglio
ENEA, Sezione di Robotica, C.R. Casaccia, [email protected]
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 2
Sommario
• Motivazione all’uso di reti neurali in robotica
• Teoria: reti neurali per la stereoscopia• Esempi di applicazioni:
– Stereoscopia – Navigazione reattiva– Riconoscimento di marker artificiali
• Conclusioni
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 3
Motivazione all’uso di NN in robotica
• La robotica: una scienza che studia la connessione intelligente tra percezione e azione
• Per costruire un robot occorrono le conoscenze e la pratica di tante altre scienze, meccanica, informatica, intelligenza artificiale, neuroscienze, psicologia, logica, linguistica, matematica, biologia, fisiologia, e anche, più indirettamente, filosofia, etica, arti espressive, design
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 4
Motivazione • Un robot (autonomo) deve:
– Misurare l’ambiente (sensoristica)– Farsi un’idea dell’ambiente (modellistica)– Decidere cosa e come fare (pianificazione)– Metterlo in pratica (attuazione)– Controllare lo stato del sistema (supervisione)
• Il fattore tempo:deve fare tutto ciò in tempo reale
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 5
Motivazione • Soluzione:
– Mezzi di calcolo più potenti– Algoritmi di calcolo più furbi
• Reti neurali:– Robuste rispetto al rumore– Affidabili (graceful degradation)– Alcune imparano da sole a partire da esempi
(!)– Molto veloci una volta programmate
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 6
NN per la stereoscopia
• La stereoscopia:
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 7
NN per la stereoscopia
Point of view
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 8
NN per la stereoscopia
• Il “matching”: problema matematicamente mal posto, non si ha la certezza dell’esistenza e della unicità della soluzione.
• Richiede l’applicazione di alcune ipotesi restrittive in grado di regolarizzare la soluzione.
• Gli algoritmi di stereo matching sono computing intensive
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 9
NN per la stereoscopia
Lo stereo matching è esprimibile in termini di estremizzazione di un opportuno funzionale
r c
ksjikji
r c
kji
N
i
N
j
K
k Ssyy
N
i
N
j
K
kyRL tvtvtvbkjiPjiP
ctE
1 1
1
0
2
1 1
1
0
2 )()(2
)(,,1
)(,),(,,,,
1
Fotometrico Smoothness
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 10
NN per la stereoscopia
• Reti Neurali Cellulari (CNN):– Riuniscono alcune caratteristiche di due classi di sistemi:– Reti Neurali:
Circuiti analogici non lineari che processano parallelamente i segnali in tempo reale (tempo di convergenza 10 µs).
– Automi Cellulari:Formate da una massiccia aggregazione di cloni che
comunicano direttamente soltanto con i primi vicini
– Conservano alcuni pregi delle altre reti neurali (processing parallelo asincrono, ottima tolleranza al rumore, etc).
– Data la topologia di interconnessione locale, sono realizzabili su chip anche reti di grandi dimensioni
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 11
NN per la stereoscopia
• Equazione di input:
• Equazione di stato:
• Equazione di output:
jiu Evji ,,
v (t)= v t v ty x xi j i j i j, , ,
1
21 1
C
dv t
dt Rv t A(i,j;l m)v t + B(i,j;l m)v +I
x
xx y
(l m) N (i,j)u
(l m) N (i,j)
i j
i j l m
r
l m
r
,
, , ,, ,
, ,
1
.
controlloretroazione
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 12
NN per la stereoscopia
. )()(),,;,,(
)(2
1)()(),,;,,(
2
1)(
1 1
1
01 1 1 1
1
0
1
0
1 1
1
0
2
1 1 1 1
1
0
1
0
,,,,,,
,,,,,,
r c
kji
r r c c
nmlkji
r c
kji
r r c c
nmlkji
N
i
N
j
K
ky
N
i
N
l
N
j
N
m
K
k
K
nuy
N
i
N
j
K
ky
x
N
i
N
l
N
j
N
m
K
k
K
nyy
tIvvtvnmlkjiB
tvR
tvtvnmlkjiAtE
• Estremizzano un funzionale energia interna, possono quindi essere utilizzate per risolvere problemi di ottimizzazione
• Si può trovare una rete CNN in grado di risolvere lo stereo matching?
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 13
NN per la stereoscopia• Scrivere un funzionale per la visione
stereoscopica• Mappare questo funzionale all’interno
della CNN, agendo sulle interconnessioni e le polarizzazioni delle celle
• Si ottiene così una Stereo-CNN capace di risolvere il problema espresso nel funzionale originario
• Nessuna connessione fisica intrastrato!
• I piani hanno una connessione “logica”
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 14
Applicazione: Navigazione Autonoma in un
Corridoio
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 15
Navigazione Autonomain un Corridoio
Immagine AcquisitaMappa Disparità Vista in Pianta
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 16
1
Navigazione Autonomain un Corridoio
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 17
Applicazione: Navigazione Autonoma
in un Corridoio con Ostacoli
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 18
Navigazione autonomain un Corridoio
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 19
Obstacle detection and avoidance
The external view
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 20
Obstacle detection and avoidance
The input images (R)
The disparity map
Interface view
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 21
Applicazioni: navigazione reattiva
• Navigazione autonoma in un corridoio: mantenere la mediana e non urtare le pareti
• Trattamento di dati sensoriali: immagini video• Necessità di prendere decisioni in tempi brevissimi (real-
time)• Reattività: risposta immediata
Immagine di ingressoAngolo di sterzata
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 22
Navigazione reattiva
immagine
elaborazione neurale
periodo = 4 s angolo di sterzo
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 23
Navigazione reattivaandata
ritorno
Il punto di vista del robot
Il punto di vista del robot
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 24
Riconoscimento marker
• Scopo: auto-localizzazione di un robot
Campione di
colore
Immagine
sorgente
Ricerca del colore
Bordi & colore
Bordi dell’immagin
e
Marker individuato
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 25
Riconoscimento markerParte
letteraleestratta
Trasformazione dell’immaginein forma “binaria”
Parte numericaestratta
Riduzione a 20X20 pixel
Porzione dell’immagine sorgente
che racchiude il marker
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 26
Conclusioni
• Le NN in robotica sono di grande aiuto:– Imparano per esempi– Sono “robuste” rispetto al rumore– Permettono un’elaborazione dati veloce
compatibile con i vincoli temporali– Ottime per la percezione sensoriale
S.Taraglio. Reti neurali per la percezione dell’ambiente in robotica autonoma 27
Domande ?