Robotersystem holt vergrabene Objekte

Ein neues Robotersystem namens FuseBot, das am MIT entwickelt wurde, kombiniert visuelle Informationen und Hochfrequenzsignale, um versteckte Gegenstände zu finden, die unter einem Stapel von Gegenständen vergraben sind. Um einen verlorenen Gegenstand zu finden, müssen Roboter komplexe Überlegungen zum Stapel und den darin befindlichen Gegenständen anstellen. 

Die Forscher stellten zuvor einen Roboterarm vor, der visuelle Informationen und Hochfrequenzsignale (RF) kombiniert, um versteckte Objekte zu finden, die mit RFID-Tags versehen sind, die von einer Antenne gesendete Signale reflektieren. Aber das neue System kann jedes vergrabene Objekt effizient bergen, selbst wenn das Zielobjekt nicht markiert ist. Es sind nur einige Artikel im Stapel erforderlich, die über diese RFID-Tags verfügen. 

Algorithmen in FuseBot

Die Algorithmen, aus denen FuseBot besteht, können Rückschlüsse auf die wahrscheinliche Position und Ausrichtung von Objekten unter dem Stapel ziehen. Anschließend wird der effizienteste Weg ermittelt, um behindernde Objekte zu entfernen und das Zielobjekt zu extrahieren. FuseBot war in der Lage, diese versteckten Gegenstände effizienter zu finden als ein anderes hochmodernes Robotiksystem, und zwar in der Hälfte der Zeit. 

Das neue System könnte in Bereichen wie einem E-Commerce-Lager eingesetzt werden. 

Die Forschungsprojekte Beteiligt war der leitende Autor Fadel Adib, Assoziationsprofessor am Fachbereich Elektrotechnik und Informatik und Leiter der Gruppe Signalkinetik im Media Lab. 

„Dieses Papier zeigt zum ersten Mal, dass die bloße Anwesenheit eines mit RFID-Tags versehenen Gegenstands in der Umgebung es Ihnen viel einfacher macht, andere Aufgaben effizienter zu erledigen. Wir konnten dies tun, weil wir dem System multimodales Denken hinzugefügt haben – FuseBot kann sowohl über das Sehen als auch über RF schlussfolgern, um einen Stapel von Elementen zu verstehen“, sagt Adib.

Zu Adib gesellten sich die wissenschaftliche Mitarbeiterin Tara Boroushaki, die Hauptautorin; Laura Dodds; und Nazi-Naeem. 

Bei FuseBot handelt es sich um einen Roboterarm mit angeschlossener Videokamera und HF-Antenne, um einen nicht markierten Zielgegenstand aus einem gemischten Stapel zu holen. Das System scannt den Stapel mit der Kamera, um ein 3D-Modell der Umgebung zu erstellen, und sendet gleichzeitig Signale von seiner Antenne, um RFID-Tags zu lokalisieren. 

Die Funkwellen können die meisten festen Oberflächen durchdringen, sodass der Roboter in den Stapel „sehen“ kann. Da andere Elemente als das Zielelement markiert sind, weiß FuseBot, dass sich das Zielelement nicht genau an derselben Stelle befinden kann. 

Die Informationen werden dann von den Algorithmen zusammengeführt, um das 3D-Modell der Umgebung zu aktualisieren und potenzielle Standorte des Zielgegenstands hervorzuheben, wobei der Roboter bereits dessen Größe und Form kennt. Das System ermittelt anhand der Objekte im Stapel und der RFID-Tags, welches Objekt bewegt werden soll, und sucht nach dem Weg mit den wenigsten Bewegungen. 

Um die Herausforderung zu meistern, nicht zu wissen, wie Objekte unter dem Stapel ausgerichtet sind, nutzt FuseBot probabilistische Überlegungen. Jedes Mal, wenn ein Element entfernt wird, wird auch anhand von Überlegungen ermittelt, welches Element am nächstbesten entfernt werden sollte. 

„Wenn ich einem Menschen einen Stapel Gegenstände zum Durchsuchen gebe, entfernt er höchstwahrscheinlich zuerst den größten Gegenstand, um zu sehen, was sich darunter befindet. Die Funktionsweise des Roboters ist ähnlich, er integriert jedoch auch RFID-Informationen, um eine fundiertere Entscheidung zu treffen. Es fragt: „Wie viel mehr wird es über diesen Stapel verstehen, wenn es diesen Gegenstand von der Oberfläche entfernt?“, sagt Boroushaki.

Der Roboter scannt den Stapel nach der Entnahme eines Objekts und nutzt neue Daten, um die Strategie zu optimieren. 

Übertreffen Sie andere Systeme

Durch die Verwendung von HF-Signalen und Schlussfolgerungen konnte FuseBot ein hochmodernes System übertreffen, das nur auf Sicht basiert. Das Zielelement wurde mit einer Erfolgsquote von 95 Prozent extrahiert, verglichen mit 84 Prozent beim anderen System. Dies geschah auch mit 40 Prozent weniger Bewegungen und konnte Gegenstände mehr als doppelt so schnell finden und abrufen. 

„Durch die Integration dieser HF-Informationen konnten wir die Erfolgsquote deutlich steigern. Es war außerdem spannend zu sehen, dass wir die Leistung unseres vorherigen Systems erreichen und sogar übertreffen konnten, wenn der Zielartikel keinen RFID-Tag hatte“, so Dodds.

Die für die Durchführung der komplexen Argumentation verantwortliche Software kann auf jedem Computer implementiert werden, sodass FuseBot für eine Vielzahl von Einstellungen verwendet werden kann. Das Team wird nun versuchen, komplexere Modelle in das System zu integrieren und verschiedene Manipulationen zu untersuchen.