完全統合ロボットアームがロストアイテムを検出して回収する

マサチューセッツ工科大学の研究者は、カメラからの視覚データとアンテナからの無線周波数（RF）情報を融合する完全統合ロボットアームを開発しました。これは、埋もれたり視界外にあったりするオブジェクトを検出して回収することができます。

このシステムはRFusionと呼ばれ、プロトタイプはRFIDタグに依存しています。RFIDタグは、安価でバッテリー不要のタグで、アンテナによって送信された信号を反射します。RF信号はほとんどの表面を通過できるため、RFusionはタグ付けされたアイテムを検出できます。たとえそれが埋もれている場合でもです。

ロボットアームは、オブジェクトの正確な位置を自動的に特定するために機械学習を使用します。次に、上にあるアイテムを移動し、オブジェクトを握り、正しいオブジェクトであることを確認します。カメラ、アンテナ、ロボットアーム、AIは完全に統合されており、システムは広範な環境で動作するために大規模なセットアップを必要としません。

研究者によると、RFusionは、倉庫での注文の処理のための積み上げられた物を整理したり、自動車製造工場でのコンポーネントの識別とインストールなどのアプリケーションに使用できます。

Fadel Adibは、電気工学およびコンピューターサイエンス学部の准教授であり、シニア著者でもあります。Adibは、MITメディカルラボのSignal Kineticsグループのディレクターでもあります。

「混沌とした世界でアイテムを見つけるという考えは、我々が数年間取り組んできた開かれた問題です。物を探すロボットが必要とされる業界のニーズが高まっています。現在、このシステムはRoombaの強化版のように考えることができますが、近い将来、製造や倉庫環境での多くのアプリケーションが期待できます」とAdibは述べています。

この研究の他の共同著者には、リード著者である研究アシスタントのTara Boroushaki、電気工学およびコンピューターサイエンスの大学院生であるIsaac Perper、研究アソシエイトのMergen Nachin、機械工学学部の1957年クラス・アソシエイト教授であるAlberto Rodriguezが含まれます。

この研究は、来月開催される組み込みネットワークセンサーシステムに関するコンピューティング・マシナリー協会の会議で発表される予定です。

システムのトレーニング

研究者は、ロボットの軌跡を最適化できるニューラルネットワークをトレーニングするために強化学習を使用しました。

「これは私たちの脳が学習する方法でもあります。私たちは先生や親、コンピューターゲームなどから報酬を受け取ります。強化学習でも同様のことが起こります。エージェントがミスを犯したり正しいことをしたりすると、ネットワークに罰または報酬を与えます。これがネットワークが学習する方法です」とBoroushakiは説明しています。

RFusionの最適化アルゴリズムは、アイテムの位置を特定するために必要な動作の数と、アイテムを拾うために移動する距離を制限することで報酬されました。

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

RFusionのテスト

研究者は、ロボットアームが混雑した箱の中に埋もれたキーチェーンや、ソファーの上の物の山の下に隠されたリモコンを検出できるかどうかをテストしました。

ロボットの前方の視覚データを制限し、RF測定を要約することで、システムを圧倒しないようにしました。その結果、96パーセントの成功率で、完全に隠れたオブジェクトを回収することができました。

「RF測定のみに頼ると、外れ値が出ることがあります。視覚のみに頼ると、カメラからミスが出ることがあります。しかし、両者を組み合わせると、互いに矛盾を是正することができます。那がシステムを強力にしました」とBoroushakiは述べています。

Matthew S. Reynoldsは、ワシントン大学の電気工学およびコンピューターサイエンス学部の准教授であり、CoMotion Presidential Innovation Fellowでもあります。

「毎年、数十億のRFIDタグが、今日の複雑なサプライチェーンでオブジェクトを識別するために使用されています。RFusionアプローチは、RFIDタグに保存されたデータを使用して、混合されたアイテムの山を掘り下げて分類することができる自律ロボットの道を示しています。特に、コンピュータービジョンシステムではアイテムが似ている場合、個別に検査するよりもはるかに効率的です」とReynoldsは述べています。 「RFusionアプローチは、ロボットが複雑なサプライチェーンで動作し、正しいアイテムを迅速かつ正確に識別してピッキングすることが重要な状況で、ロボティクスの大きな進歩です。そうすることで、注文を時間通りに完了させ、厳しい顧客を満足させることができます。」

研究者は、システムの速度を上げてスムーズに動作させることを目指しています。