Popolnoma integrirana robotska roka poišče in poišče izgubljene predmete

Raziskovalci na tehnološkem inštitutu v Massachusettsu so razvili popolnoma integrirano robotsko roko, ki združuje vizualne podatke iz kamere in radiofrekvenčne (RF) informacije iz antene, da poišče in pridobi izgubljene predmete. Lahko poišče predmete, tudi če so zakopani ali izven vidnega polja. 

Sistem se imenuje RFusion, prototip pa temelji na oznakah RFID, ki so poceni oznake brez baterij, ki odražajo signale, ki jih pošilja antena. RF signali lahko potujejo skozi večino površin, zato lahko RFusion poišče označen predmet, tudi če je zakopan. 

Robotska roka uporablja strojno učenje za samodejno približevanje natančne lokacije predmeta. Nato lahko premakne predmete na vrhu, prime predmet in preveri, ali je pravi predmet. Kamera, antena, robotska roka in umetna inteligenca so popolnoma integrirani, kar pomeni, da lahko sistem deluje v katerem koli okolju, ne da bi zahteval obsežno nastavitev.

Po mnenju raziskovalcev bi se RFusion lahko uporabljal za aplikacije, kot je razvrščanje kupov za izpolnjevanje naročil v skladišču ali za prepoznavanje in namestitev komponent v avtomobilskem proizvodnem obratu.

Fadel Adib je višji avtor in izredni profesor na oddelku za elektrotehniko in računalništvo. Adib je tudi direktor skupine Signal Kinetics v medicinskem laboratoriju MIT. 

»Ta zamisel o iskanju predmetov v kaotičnem svetu je odprt problem, s katerim delamo že nekaj let. Roboti, ki lahko iščejo stvari pod kupom, so v današnji industriji čedalje večja potreba. Trenutno si to lahko predstavljate kot Roombo na steroidih, toda v kratkem bi to lahko imelo veliko aplikacij v proizvodnih in skladiščnih okoljih,« je dejal Adib. 

Drugi soavtorji raziskave so raziskovalna asistentka Tara Boroushaki, glavni avtor; podiplomski študent elektrotehnike in računalništva Isaac Perper; znanstveni sodelavec Mergen Nachin; in Alberto Rodriguez, iz leta 1957 izredni profesor na oddelku za strojništvo.

Raziskava naj bi bila predstavljena na konferenci Združenja za računalniške stroje o vgrajenih omrežnih senzorskih sistemih naslednji mesec. 

Usposabljanje sistema

Raziskovalci so uporabili ojačitveno učenje za usposabljanje nevronske mreže, ki lahko optimizira pot robota do predmeta. 

»Tako se učijo tudi naši možgani. Nagrajeni smo od naših učiteljev, staršev, računalniške igrice itd. Enako se zgodi pri učenju s krepitvijo. Agentu pustimo, da se zmoti ali naredi nekaj prav, nato pa mrežo kaznujemo ali nagradimo. Tako se omrežje nauči nečesa, kar je res težko modelirati,« pojasnjuje Boroushaki.

Optimizacijski algoritem v RFusion je bil nagrajen, ko je omejil število potez za lokalizacijo predmeta in prepotovano razdaljo, da ga poberemo. 

Testiranje RFusion

Raziskovalci so sistem preizkusili v več okoljih, vključno s tistim, v katerem je bil obesek za ključe zakopan v škatli, polni navlake, daljinski upravljalnik pa skrit pod kupom predmetov na kavču.

Uporabili so pristop povzemanja RF meritev in omejitve vizualnih podatkov na območje tik pred robotom, da ne bi preobremenili sistema. To je povzročilo 96-odstotno stopnjo uspešnosti pri iskanju predmetov, ki so popolnoma skriti pod kupom. 

»Včasih, če se zanašate samo na meritve RF, bo prišlo do odstopanja, in če se zanašate le na vid, bo včasih prišlo do napake kamere. Če pa jih združiš, se bodo med seboj popravljali. To je tisto, zaradi česar je sistem tako robusten,« pravi Boroushaki.

Matthew S. Reynolds je predsedniški sodelavec za inovacije CoMotion in izredni profesor elektrotehnike in računalništva na Univerzi v Washingtonu. 

»Vsako leto se na milijarde oznak RFID uporabi za identifikacijo predmetov v današnjih zapletenih dobavnih verigah, vključno z oblačili in številnimi drugimi potrošniškimi dobrinami. Pristop RFusion kaže pot do avtonomnih robotov, ki lahko prekopljejo kup pomešanih predmetov in jih razvrstijo s pomočjo podatkov, shranjenih v oznakah RFID, veliko učinkoviteje, kot če bi morali pregledati vsak predmet posebej, zlasti če so predmeti podobni sistem računalniškega vida,« pravi Reynolds. »Pristop RFusion je velik korak naprej za robotiko, ki deluje v zapletenih dobavnih verigah, kjer je hitro in natančno prepoznavanje in 'izbiranje' pravega artikla ključ do pravočasne izpolnitve naročil in zadovoljstva zahtevnih strank.«

Raziskovalci bodo zdaj poskušali povečati hitrost sistema, da bi se premikal gladko.