Robotikk og fysisk AI

Forskere har som mål å gi lagerroboter overmenneskelig persepsjon

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Et team av forskere ved Massachusetts Institute of Technology prøver å gi roboter overmenneskelig persepsjon, ifølge MIT-associate professor Fadel Adib. Ettersom roboter utvikler seg i områder som kunstig syn, berøring og luktesans, kommer de nærmere å ha menneske-lignende persepsjon.

En ny robot utviklet av forskerne, kalt RF-Grasp, bruker radiobølger som kan passere gjennom vegger og registrere skjulte objekter. Den gjør dette ved å kombinere kraftig registrering med tradisjonell datavisjon, og muliggjør lokalisering og grep av objekter som vanligvis ville være utenfor synsvidden for roboten.

Forskningen skal presenteres på IEEE Internasjonale konferanse om robotikk og automatisering i mai. Hovedforfatteren av artikkelen er Tara Boroushaki, forskningsassistent i Signal Kinetics Group ved MIT Media Lab. Medforfattere av artikkelen inkluderer Adib, direktør for Signal Kinetics Group; Alberto Rodriguez, associate professor i avdelingen for maskinteknikk; Junshan Leng, forskningsingeniør ved Harvard University; og Ian Clester, PhD-student ved Georgia Tech.

Lager og e-handel

En mulig anvendelse av denne nye teknologien er i e-handel, der den kan hjelpe med å gjøre lageroppfylling mer effektiv, eller den kan lokalisere verktøy i en verktøykasse. Med den dramatiske økningen i e-handel, blir arbeidet mer og mer intensivt for menneskelige arbeidere, som fortsatt utfører det meste av det. Men dette er noen ganger et problem, gitt de farlige arbeidsforholdene.

“Persepsjon og plukking er to hindringer i industrien i dag,” sier Rodriguez.

Robotene er avhengige av optisk syn, som ikke kan registrere objekter som er skjult, siden synlige lysbølger ikke passerer gjennom vegger. Men det er ikke tilfelle for radiobølger.

Radiofrekvens- (RF-) identifikasjon har blitt brukt for sporing, og RF-identifikasjonssystemer består av en lesere og en merke. Merket er en liten datamaskin-chip som er festet for sporing, mens lesere sender ut en RF-signal som blir modulert av merket og reflektert tilbake til lesere.

Det reflekterte signalet er ansvarlig for å gi viktig informasjon om det merkte objektet, som lokalisering og identitet. Dette blir ofte brukt i detaljhandelskjeder, med land som Japan planlegger å bruke RF-sporing for alle detaljhandelskjøp til slutt.

“RF er så forskjellig fra syn som sansemodus,” sier Rodriguez. “Det ville være en feil å ikke utforske hva RF kan gjøre.”

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

RF Grasp

Den nyutviklede RF Grasp bruker en kamera og en RF-leser for å lokalisere og gripe merkte objekter, og den kan gjøre dette selv om de er fullstendig blokkert for kameraet. Det er en robotarm festet til en gripehånd, og handleden holder kameraet. RF-leseren er uavhengig av roboten og sender sporingdata til kontrollalgoritmen.

Ved å integrere RF-sporingsdatainnsamling og data fra det visuelle bildet av robotens omgivelser, blir robotens beslutningsprosess svært komplisert.

“Roboten må bestemme, på hvert tidspunkt, hvilken av disse strømmene som er viktigst å tenke på,” sier Boroushaki. “Det er ikke bare øye-hånd-koordinasjon, det er RF-øye-hånd-koordinasjon. Så, problemet blir svært komplisert.

“Det starter med å bruke RF for å fokusere oppmerksomheten på syn,” sier Adib. “Så bruker du syn for å navigere fine manøvrer.”

Med denne prosessen kan RF Grasp målrette et objekt, og den kan manipulere objektet og syn, som resulterer i finere detaljer enn RF.

I en rekke tester, lokaliserte og grep RF Grasp målobjektet med omtrent halv så mye total bevegelse. Den kunne også “rydde opp” i omgivelsene, noe som er svært unikt, ved å fjerne pakningsmateriale og hindringer for å nå målobjektet.

“Den har denne guiden som andre systemer ikke har,” sier Rodriguez.

RF Grasp kan til slutt spille en stor rolle i e-handelslager, og gjøre ting som å verifisere et objekts identitet øyeblikkelig.

“RF har potensialet til å forbedre noen av disse begrensningene i industrien, spesielt i persepsjon og lokalisering,” fortsetter Rodriguez.

Når det gjelder hjemmeapplikasjoner, sier Adib “Eller du kunne tenke deg at roboten finner tapte gjenstander. Det er som en super-Roomba som går og henter mine nøkler, hvor som helst jeg har lagt dem.”

Alex McFarland er en AI-journalist og forfatter som utforsker de nyeste utviklingene innen kunstig intelligens. Han har samarbeidet med tallrike AI-startups og publikasjoner verden over.