InMoov-robotin vuorovaikutuskykyjen kehittäminen nopeaa konenäköä hyödyntäen

Abstract

Robotiikan ja varsinkin sosiaalisten robottien keskeisimpiin haasteisiin kuuluu niiden ihmismäisyys ja sen kehittäminen. Koska robotiikka alana on suhteellisen tuore, on kehitys ollut pitkään hidasta. Muiden alojen, erityisesti konenäön, kehityksessä saavutettujen kehitysaskelien ansiosta, on robotiikka saanut uusia tapoja vähentää näiden haasteiden vaikutusta. Koska nykyiset mallit ovat niin nopeita ja tarkkoja, on mahdollista tehdä reaaliaikaisia tunnistuksia, joka lisää robotin sulavuutta merkittävästi. Oulun Yliopiston opiskelijoiden toteuttamassa InMoov-robotissa on valmiiksi kehitettynä erinäisiä syväoppimiseen perustuvia järjestelmiä, ja haluaisimmekin lisätä näiden järjestelmien päälle.

Erinäisiä kaupallisia sekä ei-kaupallisia toteutuksia syviä neuroverkkoja hyödyntävistä konenäöistä sekä valmiista roboteista on tehty aikaisemmin laajalti. Haluna on kuitenkin kouluttaa itse oma malli, jotta sen mukauttaminen ja integrointi on helpompaa modulaarisuuden ansiosta.

Tässä kandidaatintyössä koulutettiin ja integroitiin YOLO-arkkitehtuuriin perustuva syvä neuroverkko, joka tunnistaa videokuvasta puhelimen ja reagoi asianmukaisesti siihen. Tällä saavutetaan parempi toimivuus tilanteissa, jossa henkilö saattaa haluta ottaa kuvan robotista, sillä robotti osaa reagoida oikealla tavalla.

Neuroverkon toimivuus jäi vajavaiseksi itse koulutetulla mallilla. Sen tarkkuus ei riittänyt tämän työn käyttötarkoitukseen, vaikka tunnistamisnopeus olikin riittävä. Työssä päädyttiin käyttämään valmiiksi koulutettua mallia, josta ei kuitenkaan käytetä kaikkia objektiluokkia.