Robot-system henter begravet objekt

Et nyt robot-system kaldet FuseBot, der er udviklet på MIT, kombinerer visuelle oplysninger og radiofrekvens-signaler for at finde skjulte genstande begravet under en bunke af objekter. For at finde en tabt genstand, skal robotterne bruge kompleks tænkning om bunken og objekterne i den.

Forskere har tidligere demonstreret en robotarm, der kombinerer visuelle oplysninger og radiofrekvens-signaler (RF) for at finde skjulte objekter med RFID-tags, der reflekterer signaler sendt af en antenne. Men det nye system kan effektivt hente enhver begravet genstand, selv hvis målgenstanden ikke er mærket. Det kræver kun, at nogle af objekterne i bunken har disse RFID-tags.

Algoritmer i FuseBot

Algoritmerne, der udgør FuseBot, kan tænke over den sandsynlige placering og orientering af objekter under bunken. Derefter opdager den den mest effektive måde at fjerne hindrende objekter og udtrække målgenstanden. FuseBot kunne finde disse skjulte genstande mere effektivt end et andet state-of-the-art robot-system, og det gjorde det på halv tid.

Det nye system kan anvendes i områder som et e-commerce-lager.

Forskningen involverede seniorforfatter Fadel Adib, associeret professor i afdelingen for elektroteknik og datalogi og direktør for Signal Kinetics-gruppen i Media Lab.

“Hvad denne artikel viser, for første gang, er, at den blotte tilstedeværelse af en RFID-mærket genstand i miljøet gør det meget lettere for dig at opnå andre opgaver på en mere effektiv måde. Vi kunne gøre dette, fordi vi tilføjede multimodal tænkning til systemet – FuseBot kan tænke over både syn og RF for at forstå en bunke af genstande,” siger Adib.

Adib blev sammen med forskningsassistenter Tara Boroushaki, der er hovedforfatter; Laura Dodds; og Nazish Naeem.

FuseBot involverer en robotarm med en tilhørende videokamera og RF-antenne til at hente en umærket målgenstand fra en blandet bunke. Systemet scannerer bunken med kameraet for at oprette en 3D-model af miljøet og sender samtidig signaler fra sin antenne for at lokalisere RFID-tags.

Radio-bølger kan passere gennem de fleste solide overflader, hvilket giver roboten mulighed for at “se” ind i bunken. Da objekter andre end målgenstanden er mærkede, ved FuseBot, at målgenstanden ikke kan være på det samme præcise sted.

Oplysningerne kombineres herefter af algoritmerne for at opdatere 3D-modellen af miljøet og fremhæve potentielle placeringer af målgenstanden, med robotten allerede kender størrelsen og formen på den. Systemet tænker over objekterne i bunken og RFID-tags for at bestemme, hvilket objekt der skal flyttes, og det søger efter den vej med færrest mulige flytninger.

For at overvinde udfordringen med ikke at vide, hvordan objekter er orienteret under bunken, bruger FuseBot sandsynlighedsbaseret tænkning. Hver gang den fjerner et objekt, bruger den også tænkning til at finde ud af, hvilket objekt der skal fjernes herefter.

“Hvis jeg giver en menneskelig en bunke af genstande at søge, vil de sandsynligvis fjerne den største genstand først for at se, hvad der er under den. Det, som robotten gør, er lignende, men den inkluderer også RFID-oplysninger for at træffe en mere informeret beslutning. Den spørger, ‘Hvor meget mere vil det forstå om denne bunke, hvis den fjerner dette objekt fra overfladen?'” Boroushaki siger.

Robotten scannerer bunken efter at have fjernet et objekt og bruger nye data til at optimere strategien.

Overgår andre systemer

Ved at bruge RF-signaler og tænkning kunne FuseBot overgå et state-of-the-art-system, der kun bruger syn. Det udtrådte målgenstanden med en succesrate på 95 procent, sammenlignet med 84 procent for det andet system. Det gjorde det også med 40 procent færre flytninger og kunne lokalisere og hente genstande mere end dobbelt så hurtigt.

“Vi ser en stor forbedring i succesraten ved at inkorporere denne RF-information. Det var også spændende at se, at vi kunne matche præstationen af vores tidligere system og overgå det i scenarier, hvor målgenstanden ikke havde en RFID-tag,” siger Dodds.

Softwaren, der er ansvarlig for at udføre den komplekse tænkning, kan implementeres på enhver computer, hvilket betyder, at FuseBot kan bruges i en bred vifte af sammenhænge. Holdet vil nu se på at inkorporere mere komplekse modeller i systemet samt udforske forskellige manipulationer.