DIJIT: A Robotic Head for an Active Observer
该论文介绍了 DIJIT，这是一种具有 13 个自由度的创新型双目机器人头部，旨在模仿人类眼球和头颈运动以用于主动视觉研究，其特点在于一种能够实现与人类表现相媲美的高精度的新型扫视控制方法。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个不仅仅是呆板地盯着世界看，而是能像人类一样真正“注视”事物的机器人。这就是这篇论文中介绍的新型机器人头部——DIJIT 的目标。不要把 DIJIT 仅仅看作一台冰冷的机器，而要把它想象成一个拥有头部、颈部和眼睛，且动作就像我们一样充满好奇心的观察者。
以下是关于 DIJIT 的内容简要分解：
1. “类人”头部
大多数机器人摄像头就像监控摄像头：它们被固定在墙上或一个简单的旋转底座上。它们可以左右、上下看，但仅此而已。
DIJIT 则不同。它的设计旨在模仿人类头部和眼睛复杂的灵活性。
- 颈部： DIJIT 的颈部有三种运动方式：左右转动（就像摇头说“不”）、上下倾斜（就像点头说“是”）以及左右侧倾（就像耳朵靠近肩膀那样）。
- 眼睛： DIJIT 的两个“眼睛”（摄像头）各有两个三向运动。它们可以左右看、上下看，甚至可以轻微旋转（就像你歪头看树上的鸟儿时那样）。
- 镜头： 正如人类的眼睛可以对焦或调节光线一样，DIJIT 的摄像头可以改变其焦距、曝光度和色彩平衡。
其结果是一个轻巧、紧凑且运动范围非常接近人类的头部。它甚至可以移动眼睛的速度快到足以跟上人类的眼球运动，达到人类最快眼跳速度的约 85%。
2. “扫视”挑战
在论文中，作者们关注一种特定的运动类型，称为扫视（saccade）。
- 类比： 想象你在读书。你的眼睛并不是平滑地从一个词滑动到另一个词，而是跳跃的。跳跃，跳跃，跳跃。 这些快速的跳跃就是扫视。人类每秒钟会进行 2 到 3 次这样的动作来扫描场景。
- 机器人的难题： 让机器人做到这一点很难。通常，工程师必须为机器人的齿轮和电机建立一个完美的数学模型，才能告诉它精确如何移动。如果机器人稍微有点歪或者齿轮有一点点松动，数学模型就会失效，导致机器人看错地方。
3. “神奇地图”解决方案
DIJIT 团队并没有尝试构建一个完美的数学模型，而是使用了一种数据驱动的方法。
- 类比： 想象你想教朋友指向墙上的一个特定点。你不需要给他们一个关于角度和距离的复杂公式，你只需要说：“当你指这里时，你看的是墙上的那幅画；当你指那里时，你看的是那幅别的画。”
- DIJIT 是如何实现的：
- 机器人通过在移动眼睛进行小步运动的同时，对一个图案板（类似于高科技飞镖盘）拍摄数百张照片。
- 它创建了一张“地图”，将图像中的每一个像素都与特定的电机设置联系起来。
- 当机器人需要看向新目标时，它并不计算角度。它只需在地图中查找目标，找到最接近的设置，并利用一点“猜测”（插值法）来填补间隙。
- 这个过程的设置时间不到 3 分钟，而其他方法可能需要数小时。
4. 效果如何？
团队通过让 DIJIT 向一个标记物（ArUco 标记）进行 175 次注视跳跃来测试其性能。
- 准确度： DIJIT 落点目标的平均误差约为 1.1 度。换句话说，人类眼睛的误差通常在 0.6 到 2.9 度之间，具体取决于情况。DIJIT 正处于人类的范围内。
- 速度： 它的眼睛移动速度可达每秒 600 度，比文献中报道的几乎任何机器人头部都要快。
- 一致性： 即使他们连续十次测试同一个点，机器人的落点也非常一致，显示出其可靠性。
5. 为什么这很重要（根据论文）
论文强调 DIJIT 是开源的（任何人都可以免费构建和研究）且价格低廉（通过 3D 打印和廉价零件制造）。
主要目标并不是要把这个头安装在轮椅上或用于医院（论文明确表示这些是未来的想法，而非当前的研究结果）。相反，其目标是为科学家提供一个工具，用于：
- 研究主动视觉（通过移动眼睛来看得更清楚）是如何工作的。
- 比较机器人的视觉与人类的视觉。
- 测试关于大脑如何控制眼球和头部运动的理论。
简而言之，DIJIT 是一个“受生物启发”的机器人头部，它像人类一样运动，像人类一样学习注视，并且无需完美、昂贵或过于复杂的机械装置即可完成这一切。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。