സർവീസ് റോബോട്ടിക്സിനും എംബോഡിഡ് AI-ക്കും വേണ്ടിയുള്ള ഇൻഡോർ സീൻ ഒബ്ജക്റ്റ് അനോട്ടേഷൻ - കേസ് സ്റ്റഡി
ഒരു പ്രമുഖ റോബോട്ടിക് ഇന്നൊവേഷൻ കമ്പനിക്കായി ഷായിപ്പ് സമഗ്രമായ ഇൻഡോർ സീൻ അനോട്ടേഷൻ എങ്ങനെയാണ് നൽകിയത് - സ്പേഷ്യൽ റിലേഷൻഷിപ്പ് ടാഗിംഗ് ഉപയോഗിച്ച് റൂം പരിതസ്ഥിതികളിലെ ഓരോ വസ്തുവിനെയും കണ്ടെത്തി ലേബൽ ചെയ്യുക - വീടുകൾ, ഓഫീസുകൾ, വെയർഹൗസുകൾ, ആരോഗ്യ സംരക്ഷണ സൗകര്യങ്ങൾ എന്നിവയിലുടനീളം റോബോട്ടിക് പെർസെപ്ഷനും നാവിഗേഷൻ AI-യ്ക്കുമായി ഒരു പ്രൊഡക്ഷൻ-ഗ്രേഡ് ഡാറ്റാസെറ്റായി ഇത് നിർമ്മിച്ചു.
പ്രോജക്റ്റ് അവലോകനം
വീടുകൾ, ഓഫീസുകൾ, വെയർഹൗസുകൾ, ആശുപത്രികൾ എന്നിവയിലുടനീളം റോബോട്ടിക്സ് യഥാർത്ഥ ലോക വിന്യാസത്തിലേക്ക് നീങ്ങുമ്പോൾ, റോബോട്ടിക് ഇടപെടൽ ജോലികൾക്ക് മതിയായ ആട്രിബ്യൂട്ട് സമ്പന്നതയോടെ, ഇടതൂർന്ന അലങ്കോലപ്പെട്ട ഇൻഡോർ രംഗങ്ങളിൽ ദൃശ്യമാകുന്ന ഓരോ വസ്തുവിനെയും ലേബൽ ചെയ്യാൻ കഴിവുള്ള ഒരു സമഗ്രമായ വ്യാഖ്യാന പൈപ്പ്ലൈൻ ക്ലയന്റിന് ആവശ്യമായി വന്നു.
ബൗണ്ടിംഗ് ബോക്സ്, പോളിഗോൺ സെഗ്മെന്റേഷൻ, ഡെൻസ് ഒബ്ജക്റ്റ് ഇൻക്ലൂഷൻ, സ്പേഷ്യൽ റിലേഷൻഷിപ്പ് ടാഗിംഗ്, റിഫ്ലക്ടീവ്-സർഫേസ് ഹാൻഡ്ലിംഗ് എന്നിവ ഉൾക്കൊള്ളുന്ന എൻഡ്-ടു-എൻഡ് അനോട്ടേഷൻ പൈപ്പ്ലൈൻ ഷൈപ് നിർമ്മിച്ചു - റോബോട്ടിക് പെർസെപ്ഷൻ, നാവിഗേഷൻ, മനുഷ്യ-പരിസ്ഥിതി ഇടപെടൽ എന്നിവയ്ക്കായി മോഡൽ-റെഡി ഡാറ്റാസെറ്റുകൾ നിർമ്മിക്കുന്നു.
പ്രധാന സ്ഥിതിവിവരക്കണക്കുകൾ
വസ്തുക്കൾ / ചിത്രം
100
Categories
തിങ്ങിയ
രീതികൾ
ബോക്സ് + പോളിഗോൺ
ആട്രിബ്യൂട്ട് ലെയറുകൾ
4
വെല്ലുവിളികൾ
- വ്യാഖ്യാനിക്കുന്നു കാണുന്ന ഓരോ വസ്തുവും ഇടതൂർന്ന മുറി ഇമേജറിയിൽ - ഒരു ഫ്രെയിമിന് നൂറുകണക്കിന്
- ശരിയായ രീതി തിരഞ്ഞെടുക്കൽ — ബൗണ്ടിംഗ് ബോക്സ് vs പോളിഗോൺ സെഗ്മെന്റേഷൻ — വസ്തുവിന്റെ സങ്കീർണ്ണതയെ അടിസ്ഥാനമാക്കി
- ഉൾപ്പെടെ ചെറിയ വസ്തുക്കൾ റോബോട്ടിക് ഇടപെടലിന് നിർണായകമായ സ്വിച്ചുകൾ, പ്ലഗുകൾ, അലങ്കാര വസ്തുക്കൾ എന്നിവ പോലുള്ളവ
- കൈകാര്യം പ്രതിഫലന പ്രതലങ്ങൾ (കണ്ണാടി, ഗ്ലാസ് ടേബിളുകൾ) പ്രേത വ്യാഖ്യാനങ്ങളില്ലാതെ
- ടാഗുചെയ്യുന്നു സ്പേഷ്യൽ ബന്ധങ്ങൾ സന്ദർഭ അവബോധമുള്ള റോബോട്ടിക് AI-യ്ക്കുള്ള ഒബ്ജക്റ്റ് സ്റ്റേറ്റുകളും
പരിഹാരം
സമഗ്രമായ ഒബ്ജക്റ്റ് ഉൾപ്പെടുത്തൽ
ഓരോ മുറിയിലെയും ചിത്രങ്ങളിലെ ദൃശ്യമായ ഓരോ വസ്തുവിനെയും വിവിധ വിഭാഗങ്ങളിലായി പ്രത്യേകം വ്യാഖ്യാനിച്ചിട്ടുണ്ട് - ഫർണിച്ചറുകൾ (കസേരകൾ, മേശകൾ, സോഫകൾ, കിടക്കകൾ, ഷെൽഫുകൾ), ഉപകരണങ്ങൾ (ടെലിവിഷനുകൾ, റഫ്രിജറേറ്ററുകൾ, മൈക്രോവേവ്, വിളക്കുകൾ), വ്യക്തിഗത ഇനങ്ങൾ (ബാഗുകൾ, പുസ്തകങ്ങൾ, കുപ്പികൾ, വസ്ത്രങ്ങൾ), ഘടനാപരമായ ഘടകങ്ങൾ (വാതിലുകൾ, ജനാലകൾ, ചുവരുകൾ, നിലകൾ), ചെറിയ വസ്തുക്കൾ (റിമോട്ട് കൺട്രോളുകൾ, കപ്പുകൾ, പ്ലേറ്റുകൾ, കീബോർഡുകൾ, സ്വിച്ചുകൾ, പ്ലഗുകൾ).
ഒബ്ജക്റ്റ് അനുസരിച്ച് രീതി തിരഞ്ഞെടുക്കൽ
വസ്തുക്കളുടെ ആകൃതിയും സങ്കീർണ്ണതയും അനുസരിച്ച് ബൗണ്ടിംഗ് ബോക്സുകൾ അല്ലെങ്കിൽ പോളിഗോൺ സെഗ്മെന്റേഷൻ ഉപയോഗിച്ച് വസ്തുക്കളെ കൃത്യമായി ലേബൽ ചെയ്തു. സാധാരണ ചതുരാകൃതിയിലുള്ള വസ്തുക്കൾക്ക് ബോക്സുകൾ ഉപയോഗിച്ചു; ബോക്സുകൾ അമിതമായി ഓവർലാപ്പ് ചെയ്യുന്ന ജൈവ ആകൃതികളും ഇറുകിയ പായ്ക്ക് ചെയ്ത ഇനങ്ങളും പോളിഗോണുകൾ പകർത്തി. ഓരോ വസ്തുവിനും ഈ രീതി തിരഞ്ഞെടുക്കൽ വൃത്തിയുള്ള അതിരുകൾ ഉറപ്പാക്കി.
സ്പേഷ്യൽ റിലേഷൻഷിപ്പ് ടാഗിംഗ്
ഓരോ വ്യാഖ്യാനിച്ച വസ്തുവും വസ്തുവിന്റെ അവസ്ഥ (വാതിലുകൾക്കും ഡ്രോയറുകൾക്കും തുറന്നതോ അടച്ചതോ) ഉൾക്കൊള്ളുന്ന ആട്രിബ്യൂട്ടുകൾ, മറ്റ് വസ്തുക്കളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ സാമീപ്യവും സ്ഥാനവും സൂചിപ്പിക്കുന്ന സ്പേഷ്യൽ റിലേഷൻഷിപ്പ് ടാഗുകൾ, ഒക്ലൂഷൻ സ്റ്റാറ്റസ്, വസ്തുവിന്റെ അവസ്ഥ എന്നിവയാൽ സമ്പുഷ്ടമാക്കി. ഈ സ്പേഷ്യൽ ഇന്റലിജൻസ് പാളി വസ്തുക്കളെ കണ്ടെത്തുന്നതിനു പകരം സന്ദർഭം മനസ്സിലാക്കാൻ റോബോട്ടിക് AI സിസ്റ്റങ്ങളെ പ്രാപ്തമാക്കുന്നു.
സ്മോൾ ഒബ്ജക്റ്റ് & ഇന്ററാക്ഷൻ-ക്രിട്ടിക്കൽ കവറേജ്
റോബോട്ടിക് ഇടപെടൽ ജോലികൾക്ക് നിർണായകമായ സ്വിച്ചുകൾ, പ്ലഗുകൾ, അലങ്കാര വസ്തുക്കൾ എന്നിവ പോലുള്ള ചെറിയ ഇനങ്ങൾ ഉൾപ്പെടെ, വലിപ്പം പരിഗണിക്കാതെ ദൃശ്യമാകുന്ന ഓരോ വസ്തുവിനെയും ലേബൽ ചെയ്യുന്നതിന് അനോട്ടർമാർ കർശനമായ ഉൾപ്പെടുത്തൽ നിയമങ്ങൾ പാലിച്ചു. ഒരു റോബോട്ടിന് അതിന്റെ ജോലി പൂർത്തിയാക്കാൻ കഴിയുമോ എന്ന് ഈ ഇനങ്ങൾ പലപ്പോഴും നിർണ്ണയിക്കുന്നു, അതിനാൽ അവയെ മുൻഗണനയിൽ നിന്ന് ഒഴിവാക്കാൻ കഴിയില്ല.
പ്രതിഫലന ഉപരിതല കൈകാര്യം ചെയ്യൽ
കണ്ണാടികൾ, ഗ്ലാസ് ടേബിളുകൾ പോലുള്ള പ്രതിഫലന പ്രതലങ്ങൾക്ക് തനിപ്പകർപ്പ് അല്ലെങ്കിൽ പ്രേത വ്യാഖ്യാനങ്ങൾ ഒഴിവാക്കാൻ പ്രത്യേക കൈകാര്യം ചെയ്യൽ ആവശ്യമാണ്. പ്രതിഫലിക്കുന്ന വസ്തുക്കൾ പ്രത്യേകം ലേബൽ ചെയ്തിട്ടുണ്ടോ, അവഗണിച്ചിട്ടുണ്ടോ, അല്ലെങ്കിൽ ഫ്ലാഗ് ചെയ്തിട്ടുണ്ടോ എന്ന് നിർദ്ദിഷ്ട മാർഗ്ഗനിർദ്ദേശങ്ങൾ നിയന്ത്രിക്കുന്നു - ഡൗൺസ്ട്രീം മോഡലുകൾ ആർട്ടിഫാക്റ്റ് നിറഞ്ഞ ലേബലുകളിൽ നിന്ന് പാഠം പഠിച്ചിട്ടില്ലെന്ന് ഉറപ്പാക്കുന്നു.
പദ്ധതി വ്യാപ്തി
| ഡാറ്റാസെറ്റ് തരം | കവറേജ് | രീതികൾ | Categories | ഗുണവിശേഷങ്ങൾ | പ്രത്യേക കൈകാര്യം ചെയ്യൽ |
|---|---|---|---|---|---|
| ഇൻഡോർ സീൻ ഒബ്ജക്റ്റ് അനോട്ടേഷൻ | കാണുന്ന ഓരോ വസ്തുവും | ബോക്സ് + പോളിഗോൺ | ഫർണിച്ചർ, വീട്ടുപകരണങ്ങൾ, വ്യക്തിഗത ഇനങ്ങൾ, ഘടനാപരമായ, ചെറിയ | 4 പാളികൾ (അവസ്ഥ, സ്ഥലപരം, ഒക്ലൂഷൻ, അവസ്ഥ) | പ്രതിഫലന ഉപരിതല നിയമങ്ങൾ |
ഫലങ്ങൾ
- സ്ഥാപിച്ചത് ഒബ്ജക്റ്റ്-ഡെൻസ് അനോട്ടേഷൻ പൈപ്പ്ലൈൻ ഇൻഡോർ റോബോട്ടിക് പെർസെപ്ഷനായി
- സ്റ്റാൻഡേർഡ് ഓരോ വസ്തുവിനും അനുയോജ്യമായ രീതി തിരഞ്ഞെടുക്കൽ ബൗണ്ടിംഗ് ബോക്സുകൾക്കും പോളിഗോൺ സെഗ്മെന്റേഷനും ഇടയിൽ
- കൈമാറി സ്പേഷ്യൽ റിലേഷൻഷിപ്പ് ടാഗിംഗ് സന്ദർഭ അവബോധമുള്ള റോബോട്ടിക് AI പ്രാപ്തമാക്കുന്നു
- നടപ്പിലാക്കി പ്രതിഫലിപ്പിക്കുന്ന ഉപരിതല കൈകാര്യം ചെയ്യൽ പ്രേത വ്യാഖ്യാനങ്ങൾ തടയാൻ
- ക്ലയന്റിന്റെ വീട്, വെയർഹൗസ്, റീട്ടെയിൽ, ആരോഗ്യ സംരക്ഷണ സൗകര്യം റോബോട്ടിക്സ് AI വിന്യാസം
മൊത്തത്തിൽ, Shaip ഒരു ഒബ്ജക്റ്റ്-ഡെൻസ് ഇൻഡോർ അനോട്ടേഷൻ ആവശ്യകതയെ ഘടനാപരമായ, പ്രൊഡക്ഷൻ-റെഡി പൈപ്പ്ലൈനാക്കി മാറ്റാൻ സഹായിച്ചു - വൈവിധ്യമാർന്ന ഇൻഡോർ വിന്യാസ പരിതസ്ഥിതികളിലുടനീളം റോബോട്ടിക് നാവിഗേഷൻ, പിക്ക്-ആൻഡ്-പ്ലേസ് ഓട്ടോമേഷൻ, സ്മാർട്ട് എൻവയോൺമെന്റ് മോണിറ്ററിംഗ്, മനുഷ്യ-റോബോട്ട് ഇടപെടൽ എന്നിവയെ പിന്തുണയ്ക്കാൻ കഴിവുള്ള ഒന്ന്.
നമ്മുടെ റോബോട്ടുകൾ കാണുന്ന രീതിയിലാണ് ഷായ്പ് മുറികളെ വ്യാഖ്യാനിച്ചത് - ഓരോ വസ്തുവിനെയും, ഓരോ ബന്ധത്തെയും, പ്രാധാന്യമുള്ള ഓരോ ചെറിയ വസ്തുവിനെയും. സ്വിച്ചുകൾ, പ്ലഗുകൾ, പ്രതിഫലന പ്രതലങ്ങൾ എന്നിവയിലേക്കുള്ള അവരുടെ ശ്രദ്ധ, മിക്ക ഡാറ്റാസെറ്റുകളും അവഗണിക്കുന്ന കാര്യങ്ങളിൽ നമ്മുടെ പെർസെപ്ഷൻ മോഡൽ ഇടറിവീഴാൻ ഇടയാക്കിയില്ല എന്നാണ്.
