Ρομποτική και φυσική AI

Ερευνητές στοχεύουν να δώσουν στους ρομπότ των αποθηκών υπεράνθρωπη αντίληψη

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Μια ομάδα ερευνητών στο Massachusetts Institute of Technology “προσπαθεί να δώσει στους ρομπότ υπεράνθρωπη αντίληψη”, σύμφωνα με τον συνεργάτη καθηγητή Fadel Adib. Όσο τα ρομπότ προοδεύουν σε περιοχές όπως η τεχνητή όραση, η αφή και η όσφρηση, βρίσκονται πιο κοντά στην απόκτηση ανθρώπινης αντίληψης.

Ένας νέος ρομπότ που αναπτύχθηκε από τους ερευνητές, ονομάζεται RF-Grasp, και βασίζεται σε ραδιοκύματα που μπορούν να διεισδύσουν μέσα από τους τοίχους και να ανιχνεύσουν κρυμμένα αντικείμενα. Αυτό το επιτυγχάνει συνδυάζοντας ισχυρή ανίχνευση με παραδοσιακή υπολογιστική όραση, επιτρέποντας την τοποθέτηση και τη σύλληψη αντικειμένων που θα ήταν συνήθως εκτός οπτικής γωνίας του ρομπότ.

Η ερεύνηση πρόκειται να παρουσιαστεί στη Διεθνή Διάσκεψη Ρομποτικής και Αυτοματοποίησης του IEEE τον Μάιο. Ο κύριος συγγραφέας του εγγράφου είναι η Tara Boroushaki, ερευνήτρια στο Signal Kinetics Group στο MIT Media Lab. Οι συν-συγγραφείς του εγγράφου περιλαμβάνουν τον Adib, διευθυντή του Signal Kinetics Group, τον Alberto Rodriguez, συνεργάτη καθηγητή στο Τμήμα Μηχανικής, τον Junshan Leng, ερευνητή μηχανικό στο Πανεπιστήμιο του Χάρβαρντ και τον Ian Clester, φοιτητή διδακτορικού στο Georgia Tech.

Αποθήκες και Ηλεκτρονικό Εμπόριο

Μια πιθανή περίπτωση χρήσης αυτής της νέας τεχνολογίας είναι στο ηλεκτρονικό εμπόριο, όπου θα μπορούσε να βοηθήσει στην αποτελεσματική εκπλήρωση των αποθηκών ή να εντοπίσει εργαλεία σε ένα σετ εργαλείων. Με την δραματική αύξηση του ηλεκτρονικού εμπορίου, η δουλειά γίνεται ολοένα και πιο εντατική για τους ανθρώπινους εργάτες, οι οποίοι εξακολουθούν να ολοκληρώνουν το μεγαλύτερο μέρος της. Ωστόσο, αυτό είναι μερικές φορές ένα πρόβλημα δεδομένων των επικίνδυνων συνθηκών εργασίας.

“Η αντίληψη και η επιλογή είναι δύο εμπόδια στη βιομηχανία σήμερα”, λέει ο Rodriguez.

Τα ρομπότ βασίζονται στην οπτική όραση, η οποία δεν μπορεί να ανιχνεύσει αντικείμενα που είναι κρυμμένα,既然 τα ορατά κύματα φωτός δεν διεισδύουν μέσα από τους τοίχους. Ωστόσο, αυτό δεν ισχύει για τα ραδιοκύματα.

Η ταυτοποίηση ραδιοσυχνοτήτων (RF) έχει χρησιμοποιηθεί για την ανίχνευση, και τα συστήματα ταυτοποίησης RF αποτελούνται από έναν αναγνώστη και einen ετικέτα. Η ετικέτα είναι ένα μικρό ηλεκτρονικό chip που είναι συνδεδεμένο για σκοπούς ανίχνευσης, ενώ ο αναγνώστης εκπέμπει ένα σήμα RF που τροποποιείται από την ετικέτα και αντανακλά στον αναγνώστη.

Το αντανακλωμένο σήμα είναι υπεύθυνο για την παροχή κρίσιμων πληροφοριών σχετικά με το αντικείμενο, όπως η τοποθεσία και η ταυτότητα. Αυτό χρησιμοποιείται συχνά στις εμπορικές αλυσίδες εφοδιασμού, με χώρες όπως η Ιαπωνία να σχεδιάζουν να χρησιμοποιήσουν την ανίχνευση RF για όλες τις λιανικές αγορές στο μέλλον.

“Το RF είναι μια τόσο διαφορετική μεθοδος ανίχνευσης από την όραση”, λέει ο Rodriguez. “Θα ήταν ένα λάθος να μην εξερευνήσουμε τι μπορεί να κάνει το RF”.

https://www.youtube.com/watch?v=ZAzeYPcTM78

RF Grasp

Το νεοαναπτυγμένο RF Grasp χρησιμοποιεί μια κάμερα και έναν αναγνώστη RF για να εντοπίσει και να συλλάβει ετικετεμένα αντικείμενα, και μπορεί να το κάνει ακόμη και αν είναι πλήρως μπλοκαρισμένα από την κάμερα. Υπάρχει ένας ρομποτικός βραχίονας που είναι συνδεδεμένος με ένα χέρι σύλληψης, και το запěstí κρατά την κάμερα. Ο αναγνώστης RF είναι ανεξάρτητος από το ρομπότ, μεταφέροντας δεδομένα ανίχνευσης στο αλγόριθμο ελέγχου.

Με την ενσωμάτωση δεδομένων ανίχνευσης RF και δεδομένων από την οπτική εικόνα του περιβάλλοντος του ρομπότ, η διαδικασία λήψης αποφάσεων του ρομπότ γίνεται πολύ περίπλοκη.

“Το ρομπότ πρέπει να αποφασίσει, σε κάθε σημείο του χρόνου, ποια από αυτές τις ροές είναι πιο σημαντική να σκεφτεί”, λέει η Boroushaki. “Δεν είναι μόνο συντονισμός ματιών-χεριών, είναι συντονισμός RF-ματιών-χεριών. Έτσι, το πρόβλημα γίνεται πολύ περίπλοκο.”

“Ξεκινά χρησιμοποιώντας το RF για να εστιάσει την προσοχή της όρασης”, λέει ο Adib. “Στη συνέχεια, χρησιμοποιείτε την όραση για να οδηγήσετε τις λεπτές κινήσεις.”

Με αυτή τη διαδικασία, το RF Grasp μπορεί να στοχεύσει ένα αντικείμενο και να το χειριστεί, και να προκαλέσει μια λεπτομερέστερη εικόνα από το RF.

Σε μια σειρά από δοκιμές, το RF Grasp εντόπισε και συλλάβει με επιτυχία το στόχο αντικείμενο με περίπου το μισό συνολικό κίνηση. Μπορούσε επίσης να “αποκαταστήσει” το περιβάλλον, το οποίο είναι πολύ μοναδικό, αφαιρώντας υλικά συσκευασίας και εμπόδια για να φτάσει στο στόχο.

“Έχει αυτή τη καθοδήγηση που δεν έχουν άλλα συστήματα”, λέει ο Rodriguez.

Το RF Grasp θα μπορούσε τελικά να παίξει ένα σημαντικό ρόλο στις αποθήκες ηλεκτρονικού εμπορίου, κάνωντας πράγματα όπως η άμεση επιβεβαίωση της ταυτότητας ενός αντικειμένου.

“Το RF έχει το потенシャル να βελτιώσει κάποιες από αυτές τις περιορισμούς στη βιομηχανία, ιδιαίτερα στην αντίληψη και την τοποθεσία”, συνεχίζει ο Rodriguez.

Όσο για τις εφαρμογές στο σπίτι, ο Adib λέει “Ή μπορείτε να φανταστείτε το ρομπότ να βρίσκει χαμένα αντικείμενα. Είναι σαν ένα super-Roomba που πηγαίνει και ανακτά τα κλειδιά μου, όπου και να τα έχω βάλει”.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.