一支陸軍研究人員小組發(fā)現(xiàn)了人腦如何處理明亮和對(duì)比強(qiáng)烈的光線(xiàn)，他們說(shuō)這是改善機(jī)器人感知能力和使自主代理與人類(lèi)合作的關(guān)鍵。

研究人員說(shuō)，為了使自主權(quán)的發(fā)展成為陸軍的頭等大事，機(jī)器感測(cè)必須在不斷變化的環(huán)境中具有彈性。

美國(guó)陸軍作戰(zhàn)能力發(fā)展司令部陸軍研究中心的研究員安德烈·哈里森說(shuō)：“當(dāng)我們開(kāi)發(fā)機(jī)器視覺(jué)算法時(shí)，現(xiàn)實(shí)世界中的圖像通常會(huì)像手機(jī)攝像頭一樣被壓縮到較窄的范圍內(nèi)，這稱(chēng)為色調(diào)映射。”實(shí)驗(yàn)室。“這可能會(huì)增加機(jī)器視覺(jué)算法的脆弱性，因?yàn)樗鼈兓谌斯D像，這些圖像與我們?cè)诂F(xiàn)實(shí)世界中看到的模式完全不匹配。”

哈里森說(shuō)，通過(guò)開(kāi)發(fā)一種具有100，000比1的顯示能力的新系統(tǒng)，該團(tuán)隊(duì)發(fā)現(xiàn)了大腦在更多真實(shí)世界條件下的計(jì)算能力，從而可以將生物適應(yīng)力構(gòu)建到傳感器中。

當(dāng)前的視覺(jué)算法基于對(duì)人和動(dòng)物的研究，并使用計(jì)算機(jī)監(jiān)視器，其亮度范圍在約100比1（最亮像素與最暗像素之間的比率）的范圍內(nèi)。在現(xiàn)實(shí)世界中，這種變化可能是100，000比1的比率，這種情況稱(chēng)為高動(dòng)態(tài)范圍或HDR。

“光線(xiàn)的變化和顯著變化可能會(huì)挑戰(zhàn)陸軍系統(tǒng)-在樹(shù)冠下飛行的無(wú)人機(jī)可能會(huì)因風(fēng)吹過(guò)樹(shù)葉而受到反射率變化的困擾，或者在崎rough地形上行駛的自動(dòng)駕駛汽車(chē)可能無(wú)法識(shí)別坑洼或其他障礙，因?yàn)楣庹諚l件與訓(xùn)練視覺(jué)算法的算法略有不同。”陸軍研究員周寶雄博士說(shuō)。

研究團(tuán)隊(duì)試圖了解大腦如何自動(dòng)從現(xiàn)實(shí)世界中獲取100，000比1的輸入并將其壓縮到更窄的范圍，從而使人類(lèi)能夠解釋形狀。該小組研究了HDR下的早期視覺(jué)處理，研究了諸如HDR亮度和邊緣之類(lèi)的簡(jiǎn)單功能如何相互作用，以此來(lái)揭示潛在的大腦機(jī)制。

洪說(shuō)：“大腦有30多個(gè)視覺(jué)區(qū)域，對(duì)這些區(qū)域如何將眼睛的圖像處理成3D形狀，我們?nèi)匀恢挥谢镜牧私狻！薄拔覀兓谌祟?lèi)行為和頭皮記錄進(jìn)行的HDR亮度研究的結(jié)果表明，我們對(duì)如何彌合實(shí)驗(yàn)室與現(xiàn)實(shí)環(huán)境之間的鴻溝真正了解甚少。但是，這些發(fā)現(xiàn)使我們脫離了常規(guī)，表明我們以前來(lái)自標(biāo)準(zhǔn)計(jì)算機(jī)監(jiān)視器的假設(shè)對(duì)現(xiàn)實(shí)世界的概括能力有限，并且它們揭示了可以指導(dǎo)我們的建模朝正確機(jī)制的原則。”

該雜志的愿景發(fā)表了團(tuán)隊(duì)的研究發(fā)現(xiàn)，突然變暗在高動(dòng)態(tài)范圍（HDR）的亮度所調(diào)用便利的高對(duì)比度目標(biāo)和亮度相似的分組。

研究人員說(shuō)，發(fā)現(xiàn)光和對(duì)比度邊緣在大腦的視覺(jué)表示中如何相互作用的發(fā)現(xiàn)，將通過(guò)校正從2D信息估計(jì)3D形狀時(shí)不可避免的歧義，有助于提高在真實(shí)世界的亮度下重建真實(shí)3D世界的算法的有效性。

洪說(shuō)：“經(jīng)過(guò)數(shù)百萬(wàn)年的進(jìn)化，我們的大腦已經(jīng)進(jìn)化出了從2D信息重建3D的有效捷徑。”“這是一個(gè)有著數(shù)十年歷史的問(wèn)題，即使在AI的最新發(fā)展中，它也繼續(xù)挑戰(zhàn)著機(jī)器視覺(jué)科學(xué)家。”

除了實(shí)現(xiàn)自主愿景之外，這一發(fā)現(xiàn)還將有助于開(kāi)發(fā)依賴(lài)于廣泛動(dòng)態(tài)范圍的感知的其他具有AI功能的設(shè)備，例如雷達(dá)和遠(yuǎn)程語(yǔ)音理解。

研究人員將利用他們的結(jié)果與學(xué)術(shù)界的合作伙伴一起開(kāi)發(fā)計(jì)算模型，特別是尖峰神經(jīng)元，這些神經(jīng)元可能對(duì)HDR計(jì)算和更節(jié)能的視覺(jué)處理均具有優(yōu)勢(shì)-這都是低功率無(wú)人機(jī)的重要考慮因素。

洪說(shuō)：“動(dòng)態(tài)范圍的問(wèn)題不僅僅是感知問(wèn)題。”“在大腦計(jì)算中，這也可能是一個(gè)更普遍的問(wèn)題，因?yàn)閱蝹€(gè)神經(jīng)元有成千上萬(wàn)的輸入。您如何構(gòu)建可在不同情況下偵聽(tīng)正確輸入的算法和體系結(jié)構(gòu)？我們希望通過(guò)解決這一問(wèn)題，在感官層面上，我們可以確認(rèn)我們處在正確的軌道上，以便在構(gòu)建更復(fù)雜的AI時(shí)可以使用正確的工具。”