يقدّم باحثون TGrasp6D، وهو نظام يستخدم وصفًا للمهمة وصورة RGB-D واحدة — صورة ملونة مقترنة ببيانات العمق — ليحدد كيفية إمساك الروبوت بجسم ما. فعلى سبيل المثال، يمكنه تفضيل مسك مقبض السكين عند استخدامها للتقطيع، أو إبقاء المقبض خاليًا لتسليمها إلى شخص.
تذكر الورقة أن النظام حقق معدل نجاح بلغ 94% على مجموعة بيانات TaskGrasp، مقارنةً بـ74% لأفضل نظام مرجعي. كما عرض الفريق النهج باستخدام روبوت Franka Research 3 وأشياء من العالم الحقيقي؛ لكن الملخص لا يوضح عدد التجارب أو ما إذا أُجري اختبار مستقل.
لماذا يهم
بالنسبة إلى باحثي الروبوتات، تشير النتائج المعلنة إلى أن أوصاف المهام وصورة عمق واحدة قد تساعد الروبوتات على اختيار طريقة الإمساك بالأشياء من دون الاعتماد على مجموعة بيانات موسومة يدويًا لكل زوج من المهام والأشياء؛ لكن هذه النتائج لا تثبت مستوى الأداء خارج نطاق الاختبارات المذكورة.
