Robotica e IA fisica

I ricercatori mirano a dare ai robot di magazzino una percezione sovrumana

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

Un team di ricercatori del Massachusetts Institute of Technology sta “cercando di dare ai robot una percezione sovrumana”, secondo il professore associato Fadel Adib dell’MIT. Mentre i robot avanzano in aree come la visione artificiale, il tatto e l’olfatto, si stanno avvicinando sempre più a una percezione simile a quella umana.

Un nuovo robot sviluppato dai ricercatori, chiamato RF-Grasp, si basa su onde radio che possono passare attraverso i muri e rilevare oggetti nascosti. Ciò avviene combinando un potente sensore con la visione computerizzata tradizionale, consentendo la localizzazione e la presa di oggetti che normalmente sarebbero fuori dalla vista del robot.

La ricerca sarà presentata alla Conferenza internazionale IEEE su robotica e automazione nel mese di maggio. L’autore principale del documento è Tara Boroushaki, assistente di ricerca nel Signal Kinetics Group del MIT Media Lab. Gli autori del documento includono Adib, direttore del Signal Kinetics Group; Alberto Rodriguez, professore associato nel Dipartimento di Ingegneria Meccanica; Junshan Leng, ingegnere di ricerca all’Università di Harvard; e Ian Clester, studente di dottorato alla Georgia Tech.

Magazzini e commercio elettronico

Un possibile caso d’uso di questa nuova tecnologia è nel commercio elettronico, dove potrebbe aiutare a rendere più efficiente la gestione dei magazzini, o potrebbe localizzare strumenti in un kit di utensili. Con l’aumento drammatico del commercio elettronico, il lavoro sta diventando sempre più intenso per i lavoratori umani, che ancora completano la maggior parte di esso. Tuttavia, ciò può essere a volte un problema dato le condizioni di lavoro pericolose.

“La percezione e la raccolta sono due ostacoli nell’industria di oggi”, afferma Rodriguez.

I robot si basano sulla visione ottica, che non può percepire gli oggetti nascosti poiché le onde luminose visibili non passano attraverso i muri. Tuttavia, non è il caso delle onde radio.

L’identificazione a radiofrequenza (RF) è stata utilizzata per il tracciamento e i sistemi di identificazione RF consistono in un lettore e un tag. Il tag è un piccolo chip di computer che viene attaccato per scopi di tracciamento, mentre il lettore emette un segnale RF che viene modulato dal tag e riflesso al lettore.

Il segnale riflesso è responsabile di fornire informazioni cruciali sull’oggetto contrassegnato, come la posizione e l’identità. Ciò viene spesso utilizzato nelle catene di approvvigionamento al dettaglio, con paesi come il Giappone che pianificano di utilizzare il tracciamento RF per tutti gli acquisti al dettaglio in futuro.

“RF è una modalità di sensazione così diversa dalla visione”, afferma Rodriguez. “Sarebbe un errore non esplorare cosa può fare RF”.

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

RF Grasp

Il nuovo RF Grasp sviluppato utilizza una telecamera e un lettore RF per localizzare e afferrare oggetti contrassegnati, e può farlo anche se sono completamente bloccati dalla telecamera. C’è un braccio robotico attaccato a una mano di presa, e il polso tiene la telecamera. Il lettore RF è indipendente dal robot, inviando dati di tracciamento all’algoritmo di controllo.

Integrando la raccolta di dati di tracciamento RF e i dati dell’immagine visiva dell’ambiente circostante del robot, il processo decisionale del robot diventa molto complesso.

“Il robot deve decidere, in ogni punto del tempo, quale di questi flussi è più importante da considerare”, afferma Boroushaki. “Non è solo la coordinazione occhio-mano, è la coordinazione RF-occhio-mano. Quindi, il problema diventa molto complesso.”

“Inizia utilizzando RF per focalizzare l’attenzione della visione”, afferma Adib. “Poi si utilizza la visione per navigare nei movimenti fini”.

Con questo processo, RF Grasp può puntare un oggetto e può manipolare l’oggetto e la visione, il che risulta in un dettaglio più fine di RF.

In una serie di test, RF Grasp ha individuato e afferrato con successo l’oggetto bersaglio con circa la metà del movimento totale. È stato anche in grado di “sgomberare” l’ambiente, il che è molto unico, rimuovendo materiali di imballaggio e ostacoli per raggiungere l’oggetto bersaglio.

“Ha questa guida che altri sistemi semplicemente non hanno”, afferma Rodriguez.

RF Grasp potrebbe eventualmente svolgere un ruolo importante nei magazzini del commercio elettronico, facendo cose come verificare istantaneamente l’identità di un oggetto.

“RF ha il potenziale per migliorare alcune di quelle limitazioni nell’industria, specialmente nella percezione e nella localizzazione”, continua Rodriguez.

Per quanto riguarda le applicazioni domestiche, Adib afferma: “O potresti immaginare il robot che trova oggetti smarriti. È come un super-Roomba che va a recuperare le mie chiavi, ovunque io le abbia messe”.

Alex McFarland è un giornalista e scrittore di intelligenza artificiale che esplora gli ultimi sviluppi nel campo dell'intelligenza artificiale. Ha collaborato con numerose startup di intelligenza artificiale e pubblicazioni in tutto il mondo.