AI首个3D点云+GAN新方法，让机器人“眼神”更犀利( 二 ) 中薪|高薪|年货节|四川|品质

他们为每个类别生成了 5,000 个随机样本，并使用多种不同的方法进行了评估。他们使用该领域的各种常用指标评估了点云的几何形状和颜色。结果表明，PCGAN 能够为不同种类的对象类别合成高质量的点云。
One small step尽管 PCGAN 的确优于一些传统的样本训练方法，但正如 Beksi 所说：“此次研究只是朝最终目标迈出的一小步，我们的最终目标是生成足够逼真的室内全景图，以提高机器人的感知能力。”
此外，Beksi 还正在研究另一个问题——Sim2real。Sim2real 着眼于如何通过捕捉场景的物理特性（摩擦，碰撞，重力）以及使用射线或光子追踪来量化细微差异，并使仿真图像更加逼真。
他说：“如果是由于增加分辨率而包含更多的点和细节，那么代价就是计算成本的增加。” 除计算需求外，Beksi 还需要大量存储来进行研究。研究团队每秒产生数百兆的数据，每个点云大约有 100 万个点，因此，这些训练数据集非常庞大，需要大量的存储空间。
【AI首个3D点云+GAN新方法，让机器人“眼神”更犀利】接下来，Beksi 团队希望将软件部署在机器人上，并查看它与模拟真实的领域之间还存在何种差距。当然，尽管要拥有真正强大的、可以长时间自主运行的机器人还有很长一段路要走，但研究人员的工作必将有益于多个领域，比如医疗保健、制造业和农业等。