Mắt người không đứng yên. Nó nhảy vài lần mỗi giây tới các điểm khác nhau trong cảnh. Nếu tri giác chỉ là tiếp nhận một hình ảnh, chuyển động đó không có ý nghĩa gì. Nhưng nó chính là cơ chế trung tâm.
Vì sao phải di chuyển để nhìn
Ba lý do, và cả ba đều áp dụng cho robot.
Độ phân giải không đều. Vùng nhìn rõ của mắt người rất hẹp. Để thấy rõ nhiều chỗ, phải lần lượt đưa từng chỗ vào vùng đó.
Che khuất. Từ một góc, phần lớn bề mặt của vật bị khuất. Di chuyển sang góc khác lộ ra phần mới. Không có cách nào lấy được thông tin đó mà không đổi vị trí.
Mơ hồ về chiều sâu. Một hình ảnh phẳng tương thích với vô số cấu hình ba chiều. Chuyển động giải quyết phần lớn mơ hồ đó, vì vật gần dịch nhanh hơn vật xa.
Điểm chung: chuyển động tạo ra thông tin, không chỉ xác nhận thông tin đã có.
Chọn nhìn vào đâu
Nếu phải nhìn lần lượt, câu hỏi tiếp theo là nhìn đâu trước.
Quan sát về mắt người cho thấy điểm nhìn không rải đều mà tập trung vào những chỗ liên quan tới nhiệm vụ đang làm. Người rót nước nhìn vào miệng cốc và mực nước, không nhìn vào hoa văn trên cốc.
Điều này gợi ý một nguyên tắc: quyết định nhìn đâu là một phần của việc thực hiện nhiệm vụ, không phải một bước riêng trước đó.
Với robot, nguyên tắc này biến thành bài toán cụ thể: nếu có camera di chuyển được, nên đưa nó tới đâu để giảm bất định nhiều nhất về thứ đang cần biết.
Cách đặt bài toán như vậy hiệu quả hơn nhiều so với quét đều toàn cảnh, vì phần lớn cảnh không liên quan tới việc đang làm.
Ứng dụng trong robot
Ba cách áp dụng, từ đơn giản tới phức tạp.
Nhìn lại khi không chắc. Khi độ tin cậy của nhận biết thấp, thay vì hành động dựa trên phỏng đoán, robot đưa camera tới góc khác và nhìn lại. Đơn giản và hiệu quả.
Camera trên cổ tay. Việc gắn camera lên phần chuyển động tạo ra tri giác chủ động một cách tự nhiên: mỗi chuyển động của tay đều đổi góc nhìn, và ở giai đoạn tiếp cận thì camera này thấy rõ trong khi camera cố định bị chính tay che.
Chủ động thay đổi cảnh. Gạt một vật để thấy vật bên dưới, xoay vật để nhìn mặt khuất. Đây là mức cao nhất: robot không chỉ đổi góc nhìn mà đổi cả thế giới cho dễ đọc hơn.
Mức thứ ba tương ứng chính xác với điều con người làm khi cầm một đồ vật lạ lên xoay xem.
Đánh đổi với thời gian
Tri giác chủ động tốn thời gian. Mỗi lần di chuyển camera và chờ ảnh ổn định là thời gian không sản xuất.
Vì vậy trong ứng dụng công nghiệp, cách làm phổ biến là ngược lại: dựng môi trường sao cho một góc nhìn cố định là đủ. Đồ gá giữ vật đúng tư thế, chiếu sáng cố định, camera đặt đúng chỗ.
Đây là ví dụ nữa của nguyên tắc chung: sửa môi trường rẻ hơn sửa hệ thống.
Tri giác chủ động trở nên đáng giá khi không thể sắp đặt môi trường — vật đa dạng, tư thế ngẫu nhiên, thùng chứa lộn xộn. Trong các trường hợp đó, khả năng nhìn lại từ góc khác là thứ phân biệt hệ thống dùng được với hệ thống chỉ chạy trong điều kiện lý tưởng.
Liên hệ với luận điểm hiện thân
Tri giác chủ động là một trong những bằng chứng cụ thể nhất cho luận điểm rằng nhận thức và hành động không tách rời.
Nếu tri giác là tiếp nhận thụ động, thì cảm biến tốt hơn luôn cho nhận thức tốt hơn. Nhưng thực tế, một cảm biến trung bình gắn trên cơ cấu di chuyển được thường vượt một cảm biến rất tốt đặt cố định — vì nó lấy được thông tin mà cái kia về nguyên tắc không lấy được.
Điều này đảo ngược một trực giác thiết kế khá phổ biến: khi hệ thống nhận biết kém, phản xạ thường là mua cảm biến tốt hơn. Trong nhiều trường hợp, cho cảm biến hiện có khả năng di chuyển và nhìn lại mang lại cải thiện lớn hơn với chi phí thấp hơn.
Câu hỏi thường gặp
Vì sao camera trên cổ tay hiệu quả hơn camera cố định?
Vì ở giai đoạn tiếp cận và tiếp xúc, vật thường bị chính tay kẹp che trong khung nhìn từ xa, còn camera cổ tay vẫn thấy rõ. Ngoài ra quan hệ giữa camera và tay kẹp không đổi, nên mô hình học được liên hệ trực tiếp giữa cái thấy và hành động cần làm.
Tri giác chủ động có làm chậm hệ thống không?
Có, mỗi lần di chuyển và chờ ảnh ổn định đều tốn thời gian. Vì vậy trong môi trường sắp đặt được thì cố định camera và dùng đồ gá thường hiệu quả hơn. Tri giác chủ động đáng giá khi môi trường không sắp đặt được.
Robot nên chọn nhìn vào đâu?
Vào chỗ giảm được nhiều bất định nhất về thứ đang cần biết cho hành động tiếp theo. Cách này hiệu quả hơn quét đều toàn cảnh, vì phần lớn cảnh không liên quan tới nhiệm vụ đang thực hiện.
Khi nhận biết kém, nên mua cảm biến tốt hơn hay cho nó di chuyển?
Thường nên thử cho cảm biến hiện có khả năng nhìn lại từ góc khác trước. Chuyển động tạo ra thông tin mà quan sát tĩnh không có, và cải thiện này thường lớn hơn và rẻ hơn so với nâng cấp cảm biến.
Đọc thêm trong Mô hình thế giới và Trí tuệ hiện thân là gì.
