Australian Center for Robotic Vision
Australian Center for Robotic Vision , tidigare Australian Research Council Center of Excellence for Robotic Vision eller ARC Center of Excellence for Robotic Vision , är ett oinkorporerat samarbetsföretag med finansiering på 25,6 miljoner A$ under sju år för att driva en forskningsagenda som tar itu med det kritiska och komplexa utmaningen att tillämpa robotik i den verkliga världen.
Centret vann 2017 Amazon Robotics Challenge med sin robot Cartman.
Historia
Centret finansierades 2014 av Australian Research Council (ARC), för att bedriva forskning inom robotsyn och för att öka forskningskapaciteten, utbilda forskare och för att engagera sig i det bredare samhället för att hjälpa människor att lära sig om robotik, vision och kodning .
En tidigare medarbetare var Data61 (tidigare känd som NICTA eller National ICT Australia Ltd).
Forskningsorganisationer
Centret består av ett tvärvetenskapligt team från fyra australiska universitet:
- Queensland University of Technology (QUT),
- University of Adelaide (UoA),
- Australian National University (ANU),
- Monash University och
Och internationella universitet:
- INRIA Rennes Bretagne,
- Georgia Institute of Technology ,
- Imperial College London ,
- Swiss Federal Institute of Technology Zürich ,
- University of Oxford , och
- University of Toronto
Mål
Centret syftar till att uppnå banbrytande vetenskap och teknik inom robotsyn genom att ta itu med fyra viktiga forskningsmål: robust vision, vision och handling, semantisk vision och algoritmer och arkitektur. Tillsammans bildar de fyra forskningsmålen centrets forskningsteman, som fungerar som organisatoriska grupperingar av centrets forskningsprojekt.
Robust syn
Kommer att utveckla nya avkänningsteknologier och robusta algoritmer som gör att robotar kan använda visuell perception under alla betraktningsförhållanden: natt och dag, regn eller solsken, sommar eller vinter, snabbrörlig eller statisk.
Vision och handling
Kommer att skapa ny teori och metoder för att använda bilddata för kontroll av robotsystem som navigerar genom rymden, greppar objekt, interagerar med människor och använder rörelse för att hjälpa till att se.
Semantisk vision
Kommer att producera nya inlärningsalgoritmer som både kan detektera och känna igen ett stort, och potentiellt ständigt ökande, antal objektklasser från robotiskt förvärvade bilder, med ökande tillförlitlighet över tid.
Algoritmer och arkitekturer
Kommer att skapa nya teknologier och tekniker för att säkerställa att de algoritmer som utvecklats över teman kan köras i realtid på robotsystem som används i storskaliga verkliga applikationer.