Robotiikka ja fyysinen AI

Tutkijat pyrkivät antamaan varastorobooteille yliluonnollisen havainnon

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Massachusettsin teknillisen korkeakoulun tutkijaryhmä on “yliluonnollisen havainnon antamisessa robooteille”, kuten MIT:n apulaisprofessori Fadel Adib toteaa. Koska robotit kehittyvät alueilla kuten tekoäly, tunne ja haju, ne lähestyvät ihmismäistä havaintokykyä.

Tutkijoiden kehittämä uusi robotti, joka on nimeltään RF-Grasp, käyttää radioaaltoja, jotka voivat kulkea seinien läpi ja havaita peitettyjä esineitä. Se yhdistää voimakkaan havainnon perinteiseen tietokoneen näkökykyyn, mahdollistaen esineiden sijainnin ja tarttumisen, jotka ovat normaalisti robottiin näkymättömiä.

Tutkimus on tarkoitus esittää IEEE:n kansainvälisessa robottiikan ja automaation konferenssissa toukokuussa. Tutkimuksen pääkirjoittaja on Tara Boroushaki, tutkimusavustaja Signal Kinetics Groupissa MIT Median laboratoriossa. Tutkimuksen muiden kirjoittajien joukossa ovat Adib, Signal Kinetics Groupin johtaja; Alberto Rodriguez, apulaisprofessori Mekaniikan osastolla; Junshan Leng, tutkimusinsinööri Harvardin yliopistossa; ja Ian Clester, tohtorikoulutettava Georgia Techissä.

Varastot ja e-kauppa

Yksi uuden teknologian mahdollinen sovellus on e-kaupassa, jossa se voisi tehostaa varastojen täyttämistä tai auttaa työkalujen sijainnissa. E-kaupan dramatiikka on lisääntynyt, ja työ on muuttunut yhä intensiivisemmäksi ihmistyöntekijöille, jotka suorittavat suurimman osan siitä. Tämä on kuitenkin joskus ongelma, kun otetaan huomioon vaaralliset työolosuhteet.

“Havainto ja poiminta ovat kaksi esteitä alan nykyisessä tilassa”, Rodriguez toteaa.

Robotit luottavat optiseen näkökykyyn, joka ei voi havaita esineitä, jotka ovat piilossa, koska näkyvät valoaallot eivät kulje seinien läpi. Radioaallot ovat kuitenkin toinen asia.

Radiofrekvenssien (RF) tunnistamista on käytetty seurantaan, ja RF-tunnistusjärjestelmät koostuvat lukijasta ja tunnisteesta. Tunniste on pieni tietokonepiiri, joka on kiinnitetty seurantatarkoituksiin, kun taas lukija lähettää RF-signaalin, joka muokataan tunnisteella ja heijastetaan takaisin lukijalle.

Tämä heijastunut signaali on vastuussa tarjoamisesta tärkeää tietoa merkityistä esineistä, kuten sijainnista ja tunnistamisesta. Tätä käytetään usein vähittäiskaupan toimittajaketjuissa, ja maat kuten Japani aikovat käyttää RF-seurantaa kaikissa vähittäiskaupan ostoksissa lopulta.

“RF on niin erilainen havaintotapa kuin näkö”, Rodriguez toteaa. “Olisi virhe ei tutkia, mitä RF voi tehdä.”

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

RF Grasp

Uusi RF Grasp -robotti käyttää kameraa ja RF-lukijaa sijaintiin ja tarttumiseen merkittyihin esineisiin, ja se voi tehdä tämän jopa silloin, kun esineet ovat täysin estetty kameralta. Robottiin on kiinnitetty robottiarmi, jossa on tarttumakäsi, ja ranteessa on kamera. RF-lukija on riippumaton robottia, ja se lähettää seurantatietoja ohjausalgoritmille.

Kun yhdistetään RF-seurantatietojen keräämistä ja visuaalista kuvaa robotin ympäristöstä, robotin päätöksentekoprosessi muuttuu hyvin monimutkaiseksi.

“Robotti on pakotettu päättämään kussakin tilanteessa, kumpi näistä virroista on tärkeämpää ajatella”, Boroushaki toteaa. “Se ei ole vain silmä-käsi-koordinaatio, vaan RF-silmä-käsi-koordinaatio. Ongelma muuttuu hyvin monimutkaiseksi.”

“Se alkaa käyttämällä RF:ää keskittämään vision huomion”, Adib toteaa. “Sitten käytät vision suunnataksesi hienot liikkeet.”

Tällä prosessilla RF Grasp voi kohdistaa esineen, ja se voi manipuloida esinettä ja näköä, jolloin seuraa tarkempi yksityiskohta kuin RF.

Sarjassa testejä RF Grasp onnistui kohdistamaan ja tarttumaan kohde-esineeseen noin puolella vähemmällä liikkeellä. Se pystyi myös “siivottamaan” ympäristön, mikä on erittäin ainutlaatuista, poistamalla pakkausmateriaaleja ja esteitä päästäkseen kohde-esineeseen.

“Sillä on ohjaus, jota muilla järjestelmillä ei ole”, Rodriguez toteaa.

RF Grasp voi lopulta olla suuri rooli e-kaupan varastoissa, tehdessään asioita kuten välittömästi vahvistamalla esineen identiteetin.

“RF:llä on potentiaalia parantaa joitakin rajoituksia teollisuudessa, erityisesti havainnossa ja paikannuksessa”, Rodriguez jatkaa.

Kotisovelluksista Adib toteaa: “Tai voit kuvitella robotin löytävän kadonneita esineitä. Se on kuin super-Roomba, joka menee ja noutaa avaimeni, minne tahansa olen ne laittanut.”

Alex McFarland on AI-toimittaja ja kirjailija, joka tutkii viimeisimpiä kehityksiä tekoälyssä. Hän on tehnyt yhteistyötä useiden AI-startup-yritysten ja julkaisujen kanssa maailmanlaajuisesti.