Robotika a fyzická AI
Robotický systém získáva pohřbené předměty

Nový robotický systém nazvaný FuseBot, vyvinutý na MIT, kombinuje vizuální informace a rádiové frekvenční signály, aby našel skryté předměty pohřbené pod hromadou objektů. Aby robot našel ztracený předmět, musí použít komplexní úsudek o hromadě a objektech v ní.
Výzkumníci dříve prokázali robotickou ruku, která kombinuje vizuální informace a rádiové frekvenční signály, aby našla skryté předměty označené RFID značkami, které odrážejí signály vysílané anténou. Ale nový systém může efektivně získat jakýkoli pohřbený předmět, i když cílový předmět nemá RFID značku. Stačí, aby některé předměty v hromadě měly tyto RFID značky.
Algoritmy ve FuseBot
Algoritmy, které tvoří FuseBot, mohou usuzovat o pravděpodobné poloze a orientaci objektů pod hromadou. Poté objeví nejefektivnější způsob, jak odstranit překážející objekty a vyjmout cílový předmět. FuseBot byl schopen najít tyto skryté předměty efektivněji než jiný systém na úrovni současného stavu, a to za polovinu času.
Nový systém by mohl být aplikován v oblastech, jako je e-commerce sklad.
Výzkum zahrnoval hlavního autora Fadela Adiba, asociativního profesora na katedře elektrotechniky a počítačových věd a ředitele skupiny Signal Kinetics v laboratoři Media Lab.
“To, co tento článek ukazuje, poprvé, je to, že pouhá přítomnost RFID označeného předmětu v prostředí dělá to mnohem snazší pro vás, abyste dosáhli jiných úkolů efektivněji. Byli jsme schopni to udělat, protože jsme přidali multimodální úsudek do systému – FuseBot může usuzovat o vizuální a rádiové frekvenční signály, aby pochopil hromadu předmětů,” říká Adib.
Adib byl doprovázen výzkumnými asistenty Tarou Boroushaki, která je hlavní autorkou; Laurou Dodds; a Nazish Naeem.
FuseBot zahrnuje robotickou ruku s připojenou videokamerou a rádiovou anténou, aby získal necílový předmět z míchané hromady. Systém skenuje hromadu kamerou, aby vytvořil 3D model prostředí, a současně vysílá signály z antény, aby lokalizoval RFID značky.
Rádiové vlny mohou projít většinu pevných povrchů, umožňující robotovi “vidět” do hromady. Protože předměty jiné než cílový předmět jsou označeny, FuseBot ví, že cílový předmět nemůže být na stejném místě.
Informace jsou poté spojeny algoritmy, aby aktualizovaly 3D model prostředí a zvýraznily potenciální polohy cílového předmětu, s tím, že robot již zná velikost a tvar předmětu. Systém usuzuje o objektech v hromadě a RFID značkách, aby určil, který předmět odstranit, a hledá cestu s nejmenším počtem pohybů.
Aby překonal výzvu neznalosti orientace objektů pod hromadou, FuseBot používá pravděpodobnostní úsudek. Každýkrát, když odstraní předmět, také používá úsudek, aby vymyslel, který předmět by měl být odstraněn jako další.
“Pokud dám člověku hromadu předmětů k vyhledání, pravděpodobně odstraní největší předmět první, aby viděl, co je pod ním. Co dělá robot, je podobné, ale také zahrnuje RFID informace, aby učinil více informované rozhodnutí. Zeptá se, ‘O kolik více bude rozumět této hromadě, pokud odstraní tento předmět z povrchu?'” říká Boroushaki.
Robot skenuje hromadu po odstranění předmětu a používá nová data, aby optimalizoval strategii.
Překonání ostatních systémů
Použitím rádiových signálů a úsudku byl FuseBot schopen překonat systém na úrovni současného stavu, který používá pouze vizuální informace. Bylo možné získat cílový předmět s 95% úspěšností, ve srovnání s 84% u jiného systému. FuseBot také vykonal toto s 40% menším počtem pohybů a mohl lokalizovat a získat předměty více než dvakrát rychleji.
“Vidíme velkou zlepšení v úspěšnosti, když zahrneme tuto rádiovou frekvenční informaci. Bylo také zajímavé vidět, že jsme byli schopni dosáhnout výkonu našeho předchozího systému a překonat ho v scénářích, kde cílový předmět neměl RFID značku,” říká Dodds.
Software odpovědný za provedení komplexního úsudku může být implementován na libovolném počítači, což znamená, že FuseBot může být použit v širokém spektru prostředí. Tým se nyní bude snažit zahrnout více komplexních modelů do systému, stejně jako prozkoumat různé manipulace.












