L’intelligenza artificiale può vedere gli angoli in tempo reale
I ricercatori hanno utilizzato il deep learning per creare un nuovo sistema basato su laser in grado di rappresentare in tempo reale gli angoli degli angoli. Un giorno i sistemi potrebbero consentire alle auto a guida autonoma di “guardare” attorno alle auto parcheggiate o agli incroci trafficati non solo per vedere le auto, ma anche per leggere le targhe.
L’imaging rapido e dettagliato di oggetti nascosti potrebbe aiutare le auto a guida autonoma a rilevare i pericoli.
I ricercatori hanno sfruttato la potenza di un tipo di intelligenza artificiale nota come deep learning per creare un nuovo sistema basato sul laser che può rappresentare dietro gli angoli in tempo reale. Con un ulteriore sviluppo, il sistema potrebbe consentire alle auto a guida autonoma di “guardare” attorno a macchine parcheggiate o incroci trafficati per vedere pericoli o pedoni. Potrebbe anche essere installato su satelliti e veicoli spaziali per attività come l’acquisizione di immagini all’interno di una grotta su un asteroide.
“Rispetto ad altri approcci, il nostro sistema di imaging non in linea di vista offre risoluzioni e velocità di imaging straordinariamente elevate”, ha affermato il leader del team di ricerca Christopher A. Metzler dell’Università di Stanford e della Rice University. “Questi attributi consentono applicazioni che altrimenti non sarebbero possibili, come leggere la targa di un’auto nascosta mentre guida o leggere un badge indossato da qualcuno che cammina sull’altro lato di un angolo.”
In Optica , la rivista della Società ottica per ricerche di grande impatto, Metzler e colleghi dell’Università di Princeton , della Southern Methodist University e della Rice University riferiscono che il nuovo sistema è in grado di distinguere i dettagli del submillimetro di un oggetto nascosto da 1 metro di distanza. Il sistema è progettato per l’immagine di piccoli oggetti a risoluzioni molto elevate, ma può essere combinato con altri sistemi di imaging che producono ricostruzioni di dimensioni ridotte a dimensioni ambiente.
“L’imaging non in linea di vista ha importanti applicazioni nell’imaging medico, nella navigazione, nella robotica e nella difesa”, ha affermato il coautore Felix Heide dell’Università di Princeton. “Il nostro lavoro fa un passo verso il suo utilizzo in una varietà di tali applicazioni.”
Risolvere un problema di ottica con l’apprendimento profondo
Il nuovo sistema di imaging utilizza un sensore per fotocamera disponibile in commercio e una potente, ma altrimenti standard, sorgente laser simile a quella presente in un puntatore laser. Il raggio laser rimbalza da una parete visibile sull’oggetto nascosto e quindi di nuovo sulla parete, creando un modello di interferenza noto come modello di macchioline che codifica la forma dell’oggetto nascosto.
La ricostruzione dell’oggetto nascosto dal modello a chiazze richiede la risoluzione di un problema computazionale impegnativo. I tempi di esposizione brevi sono necessari per l’imaging in tempo reale ma producono troppo rumore per il funzionamento degli algoritmi esistenti. Per risolvere questo problema, i ricercatori si sono rivolti all’apprendimento profondo.
“Rispetto ad altri approcci per l’imaging non in linea di vista, il nostro algoritmo di apprendimento profondo è molto più robusto per il rumore e quindi può operare con tempi di esposizione molto più brevi”, ha affermato la coautrice Prasanna Rangarajan della Southern Methodist University. “Caratterizzando accuratamente il rumore, siamo stati in grado di sintetizzare i dati per addestrare l’algoritmo per risolvere il problema di ricostruzione utilizzando l’apprendimento profondo senza dover acquisire costosi dati di addestramento sperimentale”.
Vedendo dietro gli angoli
I ricercatori hanno testato la nuova tecnica ricostruendo immagini di lettere alte 1 centimetro e numeri nascosti dietro un angolo usando una configurazione di imaging a circa 1 metro dal muro. Utilizzando una lunghezza di esposizione di un quarto di secondo, l’approccio ha prodotto ricostruzioni con una risoluzione di 300 micron.
La ricerca fa parte del rivoluzionario DARPA Enhancement of Visibility sfruttando i campi REVEAL (Active Light-field), che sta sviluppando una varietà di tecniche diverse per immagini di oggetti nascosti dietro gli angoli. I ricercatori stanno ora lavorando per rendere il sistema pratico per più applicazioni estendendo il campo visivo in modo che possa ricostruire oggetti più grandi.
Felix Heide, Università di Princeton