System Robota Pobierający Zakopane Obiekty

Nowy system robota o nazwie FuseBot opracowany w MIT łączy informacje wizualne i sygnały radiowe, aby znaleźć ukryte przedmioty zakopane pod stosem obiektów. Aby znaleźć zagubiony przedmiot, roboty muszą używać złożonego rozumowania o stosie i obiektach w nim.

Naukowcy wcześniej zademonstrowali ramieniem robota, który łączy informacje wizualne i sygnały radiowe, aby znaleźć ukryte obiekty oznaczone etykietami RFID, które odbijają sygnały wysyłane przez antenę. Ale nowy system może wydajnie pobrać każdy zakopany obiekt, nawet jeśli celowy przedmiot nie jest oznaczony. Wymaga to tylko, aby niektóre przedmioty w stosie miały te etykiety RFID.

Algorytmy w FuseBot

Algorytmy, które tworzą FuseBot, mogą rozumować o prawdopodobnej lokalizacji i orientacji obiektów pod stosem. Następnie odkrywają najbardziej efektywny sposób usuwania przeszkadzających obiektów i wyjmowania celowego przedmiotu. FuseBot był w stanie znaleźć te ukryte przedmioty bardziej efektywnie niż inny system robota, i zrobił to w połowie czasu.

Nowy system może być stosowany w obszarach takich jak magazyn e-commerce.

Badanie zaangażowało głównego autora Fadela Adiba, profesora stowarzyszonego w Departamencie Inżynierii Elektrycznej i Nauk Komputerowych oraz dyrektora grupy Signal Kinetics w Media Lab.

“To, co ten artykuł pokazuje, po raz pierwszy, to to, że sama obecność przedmiotu oznaczonego etykietą RFID w środowisku sprawia, że łatwiej jest osiągnąć inne zadania w bardziej efektywny sposób. Byliśmy w stanie to zrobić, ponieważ dodaliśmy wielomodalne rozumowanie do systemu – FuseBot może rozumować zarówno wizję, jak i sygnały RF, aby zrozumieć stos przedmiotów”, mówi Adib.

Adib był wspierany przez asystentów badawczych Tarę Boroushaki, która jest głównym autorem; Laurę Dodds; oraz Nazish Naeem.

FuseBot obejmuje ramieniem robota z załączoną kamerą wideo i anteną RF, aby pobrać nieoznaczony celowy przedmiot z mieszanej sterty. System skanuje stos kamerą, aby utworzyć model 3D środowiska, i wysyła sygnały z anteny, aby zlokalizować etykiety RFID w tym samym czasie.

Fale radiowe mogą przechodzić przez większość powierzchni stałych, umożliwiając robotowi “zobaczenie” w stosie. Ponieważ przedmioty inne niż celowy przedmiot są oznaczone, FuseBot wie, że celowy przedmiot nie może być w tym samym dokładnym miejscu.

Informacje są następnie łączone przez algorytmy, aby zaktualizować model 3D środowiska i wyróżnić potencjalne lokalizacje celowego przedmiotu, z robotem, który już zna rozmiar i kształt przedmiotu. System rozumie obiekty w stosie i etykiety RFID, aby określić, który przedmiot usunąć, i szuka ścieżki z najmniejszą liczbą ruchów.

Aby pokonać wyzwanie nieznajomości orientacji obiektów pod stosem, FuseBot używa probabilistycznego rozumowania. Każdy raz, gdy usuwa przedmiot, używa również rozumowania, aby wymyślić, który następny przedmiot będzie najlepszy do usunięcia.

“Jeśli dam człowiekowi stertę przedmiotów do przeszukania, najprawdopodobniej usunie największy przedmiot, aby zobaczyć, co jest pod nim. To, co robi robot, jest podobne, ale również uwzględnia informacje z etykiet RFID, aby podjąć bardziej świadomą decyzję. Zadaje sobie pytanie: ‘Ile więcej zrozumie o tym stosie, jeśli usunie ten przedmiot z powierzchni?'” mówi Boroushaki.

Robot skanuje stertę po usunięciu przedmiotu i używa nowych danych, aby zoptymalizować strategię.

Przewyższający Inne Systemy

Używając sygnałów RF i rozumowania, FuseBot był w stanie przewyższyć system, który używa tylko wizji. Wydobył celowy przedmiot z 95-procentowym wskaźnikiem powodzenia, w porównaniu z 84 procentami dla innego systemu. Zrobił to również z 40 procent mniejszą liczbą ruchów i mógł zlokalizować i pobrać przedmioty ponad dwa razy szybciej.

“Widzimy duże polepszenie wskaźnika powodzenia, dzięki uwzględnieniu informacji z sygnałów RF. Było to również ekscytujące, aby zobaczyć, że byliśmy w stanie dopasować wyniki naszego poprzedniego systemu i przewyższyć go w scenariuszach, w których celowy przedmiot nie miał etykiety RFID”, mówi Dodds.

Oprogramowanie odpowiedzialne za realizację złożonego rozumowania może być zaimplementowane na dowolnym komputerze, co oznacza, że FuseBot może być używany w szerokim zakresie ustawień. Zespół będzie teraz starał się uwzględnić bardziej złożone modele w systemie, a także zbadać różne manipulacje.