पूरी तरह से एकीकृत रोबोटिक आर्म खोए हुए आइटम का पता लगाती है और पुनर्प्राप्त करती है

मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं ने एक पूरी तरह से एकीकृत रोबोटिक आर्म विकसित की है जो एक कैमरे से दृश्य डेटा और एक एंटेना से रेडियो फ्रीक्वेंसी (आरएफ) जानकारी को मिलाती है ताकि खोए हुए वस्तुओं का पता लगाया जा सके और उन्हें पुनर्प्राप्त किया जा सके। यह वस्तुओं का पता लगा सकती है भले ही वे दफन हों या दृष्टि से बाहर हों।

इस प्रणाली को आरफ्यूजन कहा जाता है, और प्रोटोटाइप आरएफआईडी टैग पर निर्भर करता है, जो सस्ते, बैटरी-रहित टैग हैं जो एक एंटेना द्वारा भेजे गए संकेतों को परावर्तित करते हैं। आरएफ संकेत अधिकांश सतहों के माध्यम से यात्रा कर सकते हैं, इसलिए आरफ्यूजन एक टैग की गई वस्तु का पता लगा सकता है भले ही यह दफन हो।

रोबोटिक आर्म मशीन लर्निंग का उपयोग करके वस्तु के सटीक स्थान पर स्वचालित रूप से जीरो इन करती है। यह तब वस्तु के ऊपर रखी वस्तुओं को हिला सकती है, वस्तु को पकड़ सकती है, और यह पुष्टि कर सकती है कि यह सही वस्तु है। कैमरा, एंटेना, रोबोटिक आर्म और एआई पूरी तरह से एकीकृत हैं, जिसका अर्थ है कि प्रणाली किसी भी वातावरण में व्यापक सेटअप की आवश्यकता के बिना संचालित हो सकती है।

शोधकर्ताओं के अनुसार, आरफ्यूजन का उपयोग गोदाम में ऑर्डर पूरा करने के लिए ढेर से गुजरने जैसे अनुप्रयोगों के लिए किया जा सकता है, या ऑटो मैन्युफैक्चरिंग प्लांट में घटकों की पहचान और स्थापना के लिए।

फाडेल अदीब वरिष्ठ लेखक और इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर साइंस विभाग में एसोसिएट प्रोफेसर हैं। अदीब एमआईटी मेडिकल लैब में सिग्नल काइनेटिक्स समूह के निदेशक भी हैं।

“यह विचार कि हम एक अराजक दुनिया में वस्तुओं का पता लगा सकते हैं, एक खुला समस्या है जिस पर हम कुछ वर्षों से काम कर रहे हैं। ऐसे रोबोट होना जो ढेर के नीचे चीजों की तलाश कर सकते हैं आज के उद्योग में एक बढ़ती जरूरत है। अभी के लिए, आप इसे रूम्बा के स्टेरॉइड्स पर सोच सकते हैं, लेकिन निकट भविष्य में, इसके निर्माण और गोदाम वातावरण में कई अनुप्रयोग हो सकते हैं,” अदीब ने कहा।

शोध के अन्य सह-लेखकों में शोध सहायक तारा बोरौशकी, प्रमुख लेखक; इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर साइंस के स्नातक छात्र आइज़क पेरपर; शोध साथी मेरगेन नाचिन; और अल्बर्टो रॉड्रिग्ज, यांत्रिक इंजीनियरिंग विभाग में 1957 के एसोसिएट प्रोफेसर शामिल हैं।

यह शोध अगले महीने एम्बेडेड नेटवर्क्ड सेंसर सिस्टम पर एसोसिएशन फॉर कंप्यूटिंग मशीनरी कॉन्फ्रेंस में प्रस्तुत किया जाने वाला है।

सिस्टम को प्रशिक्षित करना

शोधकर्ताओं ने एक न्यूरल नेटवर्क को प्रशिक्षित करने के लिए रिनफोर्समेंट लर्निंग का उपयोग किया जो वस्तु के लिए रोबोट के मार्ग को अनुकूलित कर सकता है।

“यह हमारे मस्तिष्क के सीखने का तरीका भी है। हम अपने शिक्षकों, माता-पिता, कंप्यूटर गेम से पुरस्कृत होते हैं, आदि। रिनफोर्समेंट लर्निंग में भी यही होता है। हम एजेंट को गलती करने या कुछ सही करने देते हैं और फिर हम नेटवर्क को दंडित या पुरस्कृत करते हैं। यही तरीका है जिससे नेटवर्क कुछ सीखता है जो वास्तव में मुश्किल है,” बोरौशकी समझाती हैं।

आरफ्यूजन में ऑप्टिमाइजेशन अल्गोरिदम को तब पुरस्कृत किया गया जब यह वस्तु का पता लगाने के लिए कदमों की संख्या और वस्तु को उठाने के लिए यात्रा की दूरी को सीमित करता है।

https://www.youtube.com/watch?v=iqehzw_aLc0&t=4s

आरफ्यूजन का परीक्षण

शोधकर्ताओं ने प्रणाली का परीक्षण कई वातावरण में किया, जिसमें एक ऐसा वातावरण भी शामिल था जहां एक कुंजी चेन एक बक्से में ढेर सारी चीजों में दफन थी और एक रिमोट कंट्रोल एक सोफे पर रखी वस्तुओं के ढेर के नीचे छुपा हुआ था।

उन्होंने आरएफ माप को सारांशित करने और रोबोट के सामने के क्षेत्र में दृश्य डेटा को सीमित करने का दृष्टिकोण अपनाया ताकि प्रणाली को अभिभूत न किया जा सके। इसके परिणामस्वरूप 96 प्रतिशत सफलता दर थी जब वस्तुओं को पूरी तरह से एक ढेर के नीचे छुपाया गया था।

“कभी-कभी, यदि आप केवल आरएफ माप पर निर्भर करते हैं, तो एक आउटलियर होगा, और यदि आप केवल दृष्टि पर निर्भर करते हैं, तो कैमरे से एक गलती होगी। लेकिन यदि आप उन्हें मिलाते हैं, तो वे एक दूसरे को सही करेंगे। यही बात प्रणाली को इतना मजबूत बनाती है,” बोरौशकी कहती हैं।

मैथ्यू एस. रेनोल्ड्स को-मोशन प्रेसिडेंशियल इनोवेशन फेलो और वाशिंगटन विश्वविद्यालय में इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग के एसोसिएट प्रोफेसर हैं।

“प्रत्येक वर्ष, अरबों आरएफआईडी टैग का उपयोग आज की जटिल आपूर्ति श्रृंखला में वस्तुओं की पहचान के लिए किया जाता है, जिसमें कपड़े और कई अन्य उपभोक्ता सामान शामिल हैं। आरफ्यूजन दृष्टिकोण स्वायत्त रोबोट के लिए एक मार्ग दिखाता है जो मिश्रित वस्तुओं के ढेर में खुदाई कर सकते हैं और आरएफआईडी टैग में संग्रहीत डेटा का उपयोग करके उन्हें अधिक कुशलता से अलग कर सकते हैं, खासकर जब वस्तुएं एक कंप्यूटर दृष्टि प्रणाली के लिए समान दिखती हैं। आरफ्यूजन दृष्टिकोण जटिल आपूर्ति श्रृंखला में काम करने वाले रोबोटिक्स के लिए एक बड़ा कदम है, जहां सही वस्तु का पता लगाना और चुनना समय पर ऑर्डर पूरा करने और मांग वाले ग्राहकों को खुश रखने के लिए महत्वपूर्ण है,” रेनोल्ड्स कहते हैं।

शोधकर्ता अब प्रणाली की गति को बढ़ाने का लक्ष्य रखेंगे ताकि इसे चिकनी तरह से चलाया जा सके।