stubbur Vélfærakerfi sækir grafna hluti - Unite.AI
Tengja við okkur

Robotics

Vélfærakerfi sækir grafna hluti

Útgefið

 on

Mynd: MIT vísindamenn

Nýtt vélfærakerfi sem kallast FuseBot, þróað við MIT, sameinar sjónrænar upplýsingar og útvarpsbylgjur til að finna falda hluti grafna undir haug af hlutum. Til að finna týndan hlut verða vélmenni að nota flókna rökhugsun um hauginn og hlutina í honum. 

Rannsakendur sýndu áður vélfæraarm sem sameinar sjónrænar upplýsingar og útvarpsbylgjur (RF) til að finna falda hluti merkta með RFID merkjum, sem endurspegla merki send frá loftneti. En nýja kerfið getur á skilvirkan hátt sótt hvaða grafinn hlut sem er, jafnvel þótt markhluturinn sé ekki merktur. Það þarf aðeins suma hluti í bunkanum til að hafa þessi RFID merki. 

Reiknirit í FuseBot

Reikniritin sem mynda FuseBot geta rökrætt um líklega staðsetningu og stefnu hlutar undir haugnum. Það uppgötvar síðan skilvirkustu leiðina til að fjarlægja hindrandi hluti og draga út markhlutinn. FuseBot gat fundið þessa faldu hluti á skilvirkari hátt en annað fullkomnasta vélfærafræðikerfi og það gerði það á helmingi tímans. 

Nýja kerfið gæti verið beitt á svæðum eins og vöruhús fyrir rafræn viðskipti. 

The rannsóknir þátt háttsettur rithöfundur Fadel Adib, félagsprófessor í rafmagnsverkfræði- og tölvunarfræðideild og forstöðumaður Signal Kinetics hópsins í Media Lab. 

„Það sem þessi grein sýnir, í fyrsta skipti, er að það eitt að vera til staðar RFID-merkt atriði í umhverfinu gerir það miklu auðveldara fyrir þig að ná öðrum verkefnum á skilvirkari hátt. Við gátum gert þetta vegna þess að við bættum fjölþættri rökhugsun við kerfið - FuseBot getur hugsað um bæði sjón og RF til að skilja bunka af hlutum,“ segir Adib.

Adib fékk til liðs við sig rannsóknaraðstoðarmenn Tara Boroushaki, sem er aðalhöfundur; Laura Dodds; og Nasistinn Naeem. 

FuseBot felur í sér vélfæraarm með áföstu myndbandsupptökuvél og RF loftneti til að sækja ómerktan markhlut úr blönduðum haug. Kerfið skannar hauginn með myndavélinni til að búa til þrívíddarlíkan af umhverfinu og það sendir merki frá loftneti sínu til að finna RFID-merki á sama tíma. 

Útvarpsbylgjurnar geta farið í gegnum flest fast yfirborð, sem gerir vélmenninu kleift að „sjá“ inn í hauginn. Þar sem aðrir hlutir en markhluturinn eru merktir, veit FuseBot að markhluturinn getur ekki verið á nákvæmlega sama stað. 

Upplýsingarnar eru síðan sameinaðar af reikniritunum til að uppfæra þrívíddarlíkanið af umhverfinu og varpa ljósi á hugsanlegar staðsetningar markhlutarins, þar sem vélmennið veit þegar stærð og lögun þess. Kerfið rökstyður um hlutina í bunkanum og RFID-merki til að ákvarða hvaða hlut á að færa og það leitar að slóðinni með fæstum hreyfingum. 

Til að sigrast á þeirri áskorun að vita ekki hvernig hlutir eru stilltir undir haugnum notar FuseBot líkindarök. Í hvert skipti sem það fjarlægir hlut notar það einnig rökhugsun til að hugsa um hver væri næstbesti hluturinn til að fjarlægja. 

„Ef ég gef manneskju haug af hlutum til að leita að, mun hann líklega fjarlægja stærsta hlutinn fyrst til að sjá hvað er undir honum. Það sem vélmennið gerir er svipað, en það inniheldur einnig RFID upplýsingar til að taka upplýstari ákvörðun. Það spyr: 'Hversu miklu meira mun það skilja um þennan haug ef það fjarlægir þennan hlut af yfirborðinu?'“ segir Boroushaki.

Vélmennið skannar hauginn eftir að hlutur hefur verið fjarlægður og notar ný gögn til að hámarka stefnuna. 

Vélfærakerfi getur fundið og sótt falda hluti

 

Fram úr öðrum kerfum

Með því að nota RF merki og rökhugsun gat FuseBot staðið sig betur en nýjustu kerfi sem notar aðeins sjón. Það dró út markhlutinn með 95 prósent velgengni, samanborið við 84 prósent fyrir hitt kerfið. Það gerði þetta líka með 40 prósent færri hreyfingum og gat fundið og sótt hluti meira en tvöfalt hraðar. 

„Við sjáum mikla framför í velgengnihlutfallinu með því að fella þessar RF upplýsingar inn. Það var líka spennandi að sjá að við gátum jafnað frammistöðu fyrra kerfis okkar og farið yfir það í tilfellum þar sem markhluturinn var ekki með RFID-merki,“ segir Dodds.

Hugbúnaðinn sem ber ábyrgð á að framkvæma flókna rökhugsunina er hægt að útfæra á hvaða tölvu sem er, sem þýðir að hægt væri að nota FuseBot fyrir margs konar stillingar. Liðið mun nú leita að því að fella flóknari líkön inn í kerfið, auk þess að kanna mismunandi meðhöndlun. 

Alex McFarland er blaðamaður og rithöfundur gervigreindar sem skoðar nýjustu þróunina í gervigreind. Hann hefur unnið með fjölmörgum AI sprotafyrirtækjum og útgáfum um allan heim.