Robotisk system henter begravde objekter

Et nytt robotisk system kalt FuseBot, utviklet ved MIT, kombinerer visuell informasjon og radiofrekvenssignaler for å finne skjulte objekter begravd under en haug med objekter. For å finne et tapt objekt, må roboter bruke kompleks resonnering om haugen og objektene i den.

Forskerne demonstrerte tidligere en robotarm som kombinerer visuell informasjon og radiofrekvens (RF) signaler for å finne skjulte objekter merket med RFID-merker, som reflekterer signaler sendt av en antenne. Men det nye systemet kan effektivt hente ethvert begravd objekt, selv om målobjektet ikke er merket. Det krever bare at noen objekter i haugen har disse RFID-merkene.

Algoritmer i FuseBot

Algoritmene som utgjør FuseBot kan resonere om den sannsynlige plasseringen og orienteringen av objekter under haugen. Den oppdager deretter den mest effektive måten å fjerne hindrende objekter og trekke ut målobjektet. FuseBot kunne finne disse skjulte objektene mer effektivt enn et annet state-of-the-art robotisk system, og det gjorde det på halv tid.

Det nye systemet kan bli brukt i områder som et e-handelslager.

Forskningen involverte seniorforfatter Fadel Adib, professor i avdelingen for elektroteknikk og datavitenskap og direktør for Signal Kinetics-gruppen i Media Lab.

“Hva denne artikkelen viser, for første gang, er at det rene nærværet av et RFID-merket objekt i miljøet gjør det mye lettere for deg å oppnå andre oppgaver på en mer effektiv måte. Vi kunne gjøre dette fordi vi la til multimodal resonnering i systemet — FuseBot kan resonere om både visjon og RF for å forstå en haug med objekter,” sier Adib.

Adib ble ledsaget av forskningsassistenter Tara Boroushaki, som er hovedforfatter; Laura Dodds; og Nazish Naeem.

FuseBot involverer en robotarm med en montert videokamera og RF-antenne for å hente et umerket målobjekt fra en blandet haug. Systemet skanner haugen med kameraet for å lage en 3D-modell av miljøet, og det sender signaler fra antennene for å lokalisere RFID-merker samtidig.

Radiofrekvensbølgene kan gå gjennom de fleste solide overflater, noe som gjør at roboten kan “se” inn i haugen. Ettersom objekter andre enn målobjektet er merket, vet FuseBot at målobjektet ikke kan være på samme nøyaktige sted.

Informasjonen blir deretter fusjonert av algoritmene for å oppdatere 3D-modellen av miljøet og høydepunkte potensielle plasseringer av målobjektet, med roboten som allerede kjenner størrelsen og formen på det. Systemet resonnerer om objektene i haugen og RFID-merkene for å bestemme hvilket objekt som skal flyttes, og det søker etter stien med færrest flyttinger.

For å overvinne utfordringen med å ikke vite hvordan objekter er orientert under haugen, bruker FuseBot probabilistisk resonnering. Hver gang det fjerner et objekt, bruker det også resonnering for å finne ut hvilket objekt som skal fjernes neste.

“Hvis jeg gir en menneske en haug med objekter å søke, vil de sannsynligvis fjerne det største objektet først for å se hva som ligger under det. Hva roboten gjør, er lignende, men det inkorporerer også RFID-informasjon for å ta en mer informert beslutning. Det spør, ‘Hvor mye mer vil det forstå om denne haugen hvis det fjerner dette objektet fra overflaten?'” Boroushaki sier.

Roboten skanner haugen etter å ha fjernet et objekt og bruker ny data for å optimere strategien.

Overgår andre systemer

Ved å bruke RF-signaler og resonnering, kunne FuseBot overgå et state-of-the-art system som bare bruker visjon. Det hentet målobjektet med en suksessrate på 95 prosent, sammenlignet med 84 prosent for det andre systemet. Det gjorde det også med 40 prosent færre flyttinger og kunne lokalisere og hente objekter mer enn dobbelt så raskt.

“Vi ser en stor forbedring i suksessraten ved å inkorporere denne RF-informasjonen. Det var også spennende å se at vi kunne matche ytelsen til vårt tidligere system og overgå det i scenarioer hvor målobjektet ikke hadde en RFID-merke,” Dodds sier.

Programvaren som er ansvarlig for å utføre den komplekse resonneringen, kan implementeres på enhver datamaskin, noe som betyr at FuseBot kan brukes i en rekke ulike sammenhenger. Teamet vil nå se på å inkorporere mer komplekse modeller i systemet, samt utforske ulike manipulasjoner.