Pentru oameni, găsirea unui portofel pierdut îngropat sub o grămadă de articole este destul de simplă -- pur și simplu scoatem lucruri din grămadă până când găsim portofelul. Dar pentru un robot, această sarcină implică un raționament complex despre grămada și obiectele din el, ceea ce prezintă o provocare abruptă.
Cercetătorii MIT au demonstrat anterior un braț robotic care combină informații vizuale și semnale de radiofrecvență (RF) pentru a găsi obiecte ascunse care au fost etichetate cu etichete RFID (care reflectă semnalele trimise de o antenă). Pornind de la această muncă, ei au dezvoltat acum un nou sistem care poate recupera eficient orice obiect îngropat într-o grămadă. Atâta timp cât unele articole din grămadă au etichete RFID, articolul țintă nu trebuie să fie etichetat pentru ca sistemul să îl recupereze.
Algoritmii din spatele sistemului, cunoscuți sub numele de FuseBot, motivează locația probabilă și orientarea obiectelor sub grămadă. Apoi FuseBot găsește cea mai eficientă modalitate de a elimina obiectele care obstrucționează și de a extrage elementul țintă. Acest raționament i-a permis lui FuseBot să găsească mai multe articole ascunse decât un sistem robotic de ultimă generație, în jumătate de timp.
Această viteză ar putea fi utilă în special într-un depozit de comerț electronic. Un robot însărcinat cu procesarea returnărilor ar putea găsi articole într-o grămadă nesortată mai eficient cu sistemul FuseBot, spune autorul principal Fadel Adib, profesor asociat la Departamentul de Inginerie Electrică și Știința Calculatoarelor și director al grupului Signal Kinetics din Media Lab.
„Ceea ce arată această lucrare, pentru prima dată, este că simpla prezență a unui articol etichetat RFID în mediu vă face mult mai ușor să realizați alte sarcini într-un mod mai eficient. Am putut face acest lucru deoarece am adăugat raționamentul multimodal al sistemului -- FuseBot poate raționa atât despre viziune, cât și despre RF pentru a înțelege o grămadă de articole”, adaugă Adib.
Alăturarea lui Adib în lucrare sunt asistenții de cercetare Tara Boroushaki, care este autorul principal; Laura Dodds; și Nazish Naeem. Cercetarea va fi prezentată la conferința Robotică: Știință și Sisteme.
Etichete de direcționare
Un raport recent de piață indică faptul că peste 90% dintre comercianții cu amănuntul din SUA folosesc acum etichete RFID, dar tehnologia nu este universală, ceea ce duce la situații în care doar unele obiecte din grămezi sunt etichetate.
Această problemă a inspirat cercetările grupului.
Cu FuseBot, un braț robotizat folosește o cameră video atașată și o antenă RF pentru a prelua un articol țintă neetichetat dintr-o grămadă mixtă. Sistemul scanează grămada cu camera sa pentru a crea un model 3D al mediului. Simultan, trimite semnale de la antena sa pentru a localiza etichetele RFID. Aceste unde radio pot trece prin majoritatea suprafețelor solide, astfel încât robotul poate „vedea” adânc în grămadă. Deoarece articolul țintă nu este etichetat, FuseBot știe că articolul nu poate fi localizat exact în același loc ca o etichetă RFID.
Algoritmii fuzionează aceste informații pentru a actualiza modelul 3D al mediului și pentru a evidenția locațiile potențiale ale elementului țintă; robotul își cunoaște dimensiunea și forma. Apoi, sistemul motivează cu privire la obiectele din grămadă și locațiile etichetelor RFID pentru a determina ce element să elimine, cu scopul de a găsi elementul țintă cu cele mai puține mișcări.
A fost o provocare să încorporez acest raționament în sistem, spune Boroushaki.
Robotul nu este sigur cum sunt orientate obiectele sub grămadă sau cum ar putea fi deformat un obiect zdruncinat prin apăsarea obiectelor mai grele pe el. Depășește această provocare cu raționament probabilistic, folosind ceea ce știe despre dimensiunea și forma unui obiect și locația etichetei RFID pentru a modela spațiul 3D pe care îl poate ocupa acel obiect.
Pe măsură ce elimină elemente, folosește, de asemenea, raționament pentru a decide care articol ar fi „cel mai bun” să îl elimine în continuare.
„Dacă îi dau unui om o grămadă de articole de căutat, cel mai probabil va elimina mai întâi cel mai mare element pentru a vedea ce este dedesubt. Ceea ce face robotul este similar, dar încorporează și informații RFID pentru a lua o decizie mai informată. întreabă: „Cât va înțelege mai mult despre această grămadă dacă scoate acest obiect de la suprafață?””, spune Boroushaki.
După ce îndepărtează un obiect, robotul scanează din nou grămada și folosește informații noi pentru a-și optimiza strategia.
Rezultatele extragerii
Acest raționament, precum și utilizarea semnalelor RF, i-au oferit lui FuseBot un avantaj față de un sistem de ultimă generație care folosea doar vederea. Echipa a desfășurat peste 180 de teste experimentale folosind brațe robotice reale și grămezi cu articole de uz casnic, cum ar fi rechizite de birou, animale de pluș și îmbrăcăminte. Au variat dimensiunile grămezilor și numărul de articole etichetate RFID din fiecare grămadă.
FuseBot a extras cu succes elementul țintă în 95 la sută din timp, comparativ cu 84 la sută pentru celălalt sistem robotizat. A reușit acest lucru folosind cu 40% mai puține mișcări și a reușit să localizeze și să recupereze elementele vizate de mai mult de două ori mai repede.
„Vedem o îmbunătățire mare a ratei de succes prin încorporarea acestor informații RF. A fost, de asemenea, interesant să vedem că am reușit să egalăm performanța sistemului nostru anterior și să o depășim în scenariile în care elementul țintă nu avea RFID. etichetă", spune Dodds.
FuseBot ar putea fi aplicat într-o varietate de setări, deoarece software-ul care își realizează raționamentul complex poate fi implementat pe orice computer -- de care are nevoie doar pentru a comunica cu un braț robotizat care are o cameră și o antenă, adaugă Boroushaki.
În viitorul apropiat, cercetătorii intenționează să încorporeze modele mai complexe în FuseBot, astfel încât să aibă performanțe mai bune pe obiectele deformabile. Dincolo de asta, ei sunt interesați să exploreze diferite manipulări, cum ar fi un braț robotic care împinge obiectele din drum. Iterațiile viitoare ale sistemului ar putea fi utilizate și cu un robot mobil care caută mai multe grămezi pentru obiecte pierdute.
Această lucrare a fost finanțată, parțial, de Fundația Națională pentru Știință, o bursă de cercetare Sloan, NTT DATA, Toppan, Toppan Forms și MIT Media Lab.