रोबोटिक सिस्टम द्वारा दफन किए गए वस्तुओं का पुनरुद्धार

एमआईटी में विकसित एक नए रोबोटिक सिस्टम फ्यूजबॉट ने दृश्य जानकारी और रेडियो-फ्रीक्वेंसी सिग्नल को मिलाकर वस्तुओं के ढेर के नीचे छिपी हुई वस्तुओं का पता लगाने के लिए एक साथ जोड़ा। खोए हुए आइटम को खोजने के लिए, रोबोट को ढेर और उसमें वस्तुओं के बारे में जटिल तर्क का उपयोग करना होगा।

शोधकर्ताओं ने पहले एक रोबोटिक आर्म का प्रदर्शन किया जो दृश्य जानकारी और रेडियो फ्रीक्वेंसी (आरएफ) सिग्नल को मिलाकर आरएफआईडी टैग के साथ चिह्नित छिपी हुई वस्तुओं का पता लगाने में सक्षम था। लेकिन नया सिस्टम किसी भी दफन की गई वस्तु को कुशलता से पुनर्प्राप्त कर सकता है, भले ही लक्ष्य आइटम टैग नहीं हो। इसके लिए ढेर में कुछ वस्तुओं में इन आरएफआईडी टैग की आवश्यकता होती है।

फ्यूजबॉट में एल्गोरिदम

फ्यूजबॉट को बनाने वाले एल्गोरिदम ढेर के नीचे वस्तुओं के संभावित स्थान और अभिविन्यास के बारे में तर्क कर सकते हैं। फिर यह वस्तुओं को हटाने और लक्ष्य आइटम को निकालने का सबसे कुशल तरीका खोजता है। फ्यूजबॉट ने छिपी हुई वस्तुओं को खोजने में एक अन्य राज्य-ऑफ-द-आर्ट रोबोटिक सिस्टम से अधिक कुशलता से काम किया और यह आधे समय में ऐसा कर सकता है।

नया सिस्टम ई-कॉमर्स वेयरहाउस जैसे क्षेत्रों में लागू किया जा सकता है।

इस शोध में वरिष्ठ लेखक फ़ादेल अदीब, एसोसिएशन प्रोफेसर इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर साइंस विभाग में और मीडिया लैब में सिग्नल काइनेटिक्स समूह के निदेशक शामिल थे।

“इस पत्र में पहली बार दिखाया गया है कि पर्यावरण में एक आरएफआईडी टैग की उपस्थिति आपको अन्य कार्यों को अधिक कुशलता से पूरा करने में मदद करती है। हमने यह इसलिए किया क्योंकि हमने सिस्टम में मल्टीमॉडल तर्क जोड़ा, – फ्यूजबॉट दृश्य और आरएफ दोनों के बारे में तर्क कर सकता है ताकि यह वस्तुओं के ढेर को समझ सके,” अदीब कहते हैं।

अदीब के साथ शोध सहायक तारा बोरौशकी, जो प्रमुख लेखक हैं; लॉरा डॉड्स; और नज़ीश नाएम शामिल थे।

फ्यूजबॉट में एक रोबोटिक आर्म शामिल है जिसमें एक वीडियो कैमरा और आरएफ एंटेना लगा होता है जो एक मिश्रित ढेर से एक अनटैग्ड लक्ष्य आइटम को पुनर्प्राप्त करने में मदद करता है। सिस्टम कैमरे के साथ ढेर को स्कैन करता है ताकि वातावरण का एक 3डी मॉडल बनाया जा सके, और यह एक ही समय में अपने एंटेना से सिग्नल भेजकर आरएफआईडी टैग का पता लगाता है।

रेडियो तरंगें अधिकांश ठोस सतहों से गुजर सकती हैं, जिससे रोबोट “देख” सकता है ढेर में। चूंकि लक्ष्य आइटम के अलावा अन्य वस्तुएं टैग की जाती हैं, फ्यूजबॉट जानता है कि लक्ष्य आइटम एक ही सटीक स्थान पर नहीं हो सकता है।

जानकारी को तब एल्गोरिदम द्वारा मिलाया जाता है ताकि वातावरण के 3डी मॉडल को अपडेट किया जा सके और लक्ष्य आइटम के संभावित स्थानों को हाइलाइट किया जा सके, रोबोट पहले से ही इसके आकार और आकार को जानता है। सिस्टम ढेर में वस्तुओं और आरएफआईडी टैग के बारे में तर्क करता है ताकि यह निर्धारित किया जा सके कि कौन सी वस्तु को हटाना है, और यह कम से कम चाल के साथ मार्ग की तलाश करता है।

ढेर के नीचे वस्तुओं की अभिविन्यास के बारे में जानने की चुनौती को पार करने के लिए, फ्यूजबॉट संभावित तर्क का उपयोग करता है। हर बार जब यह एक वस्तु को हटाता है, तो यह तर्क का उपयोग करके यह भी तय करता है कि कौन सी अगली वस्तु को हटाना सबसे अच्छा होगा।

“यदि मैं एक मानव को वस्तुओं के ढेर को खोजने के लिए देता हूं, तो वे सबसे अधिक संभावना है कि सबसे बड़ी वस्तु को पहले हटा देंगे ताकि वे देख सकें कि उसके नीचे क्या है। रोबोट क्या करता है वह समान है, लेकिन यह आरएफआईडी जानकारी को भी शामिल करता है ताकि एक अधिक सूचित निर्णय लिया जा सके। यह पूछता है, ‘क्या होगा अगर यह वस्तु को सतह से हटा दे?’ बोरौशकी कहते हैं।

रोबोट एक वस्तु को हटाने के बाद ढेर को स्कैन करता है और नई डेटा का उपयोग रणनीति को अनुकूलित करने के लिए करता है।

अन्य सिस्टम से बेहतर प्रदर्शन

आरएफ सिग्नल और तर्क का उपयोग करके, फ्यूजबॉट एक राज्य-ऑफ-द-आर्ट सिस्टम से बेहतर प्रदर्शन कर सकता है जो केवल दृश्य का उपयोग करता है। यह 95 प्रतिशत सफलता दर के साथ लक्ष्य आइटम को निकाल सकता है, जबकि अन्य सिस्टम की सफलता दर 84 प्रतिशत थी। यह 40 प्रतिशत कम चालों के साथ ऐसा कर सकता है और वस्तुओं को दोगुनी तेजी से खोज और पुनर्प्राप्त कर सकता है।

“हम आरएफ जानकारी को शामिल करके सफलता दर में बड़ा सुधार देखते हैं। यह देखना भी रोमांचक था कि हम अपने पिछले सिस्टम के प्रदर्शन को मिला सकते हैं और उन्हें पार कर सकते हैं, खासकर जब लक्ष्य आइटम में आरएफआईडी टैग नहीं था।” डॉड्स कहते हैं।

जटिल तर्क को करने वाले सॉफ्टवेयर को किसी भी कंप्यूटर पर लागू किया जा सकता है, जिसका अर्थ है कि फ्यूजबॉट विभिन्न सेटिंग्स में उपयोग किया जा सकता है। टीम अब सिस्टम में अधिक जटिल मॉडल शामिल करने और विभिन्न हेरफेर की खोज करने के लिए आगे बढ़ेगी।