Robotik och fysisk AI

Forskare syftar till att ge lagerrobotar övermänsklig perception

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Ett team av forskare vid Massachusetts Institute of Technology försöker “ge robotar övermänsklig perception”, enligt MIT:s associate professor Fadel Adib. När robotar utvecklas inom områden som artificiell syn, beröring och luktsinne, närmar de sig alltmer mänsklig perception.

En ny robot som utvecklats av forskarna, kallad RF-Grasp, använder radiovågor som kan passera genom väggar och upptäcka dolda föremål. Detta görs genom att kombinera kraftfull avkänning med traditionell datorseende, vilket möjliggör lokalisering och greppande av föremål som normalt sett skulle vara utom synhåll för roboten.

Forskningen kommer att presenteras vid IEEE International Conference on Robotics and Automation i maj. Huvudförfattare till artikeln är Tara Boroushaki, forskningsassistent i Signal Kinetics Group vid MIT Media Lab. Medförfattare till artikeln är Adib, chef för Signal Kinetics Group, Alberto Rodriguez, associate professor vid institutionen för maskinteknik, Junshan Leng, forskningsingenjör vid Harvard University, och Ian Clester, doktorand vid Georgia Tech.

Lager och e-handel

En möjlig användning av denna nya teknik är inom e-handel, där den kan hjälpa till att göra lagerhantering mer effektiv eller hitta verktyg i en verktygsamling. Med den dramatiska ökningen av e-handel blir arbetet alltmer intensivt för mänskliga arbetare, som fortfarande slutför det mesta av det. Men detta är ibland ett problem med tanke på de farliga arbetsförhållandena.

“Perception och plockning är två hinder i branschen idag”, säger Rodriguez.

Robotar förlitar sig på optisk syn, som inte kan uppfatta föremål som är dolda eftersom synliga ljusvågor inte passerar genom väggar. Men det är inte fallet med radiovågor.

Radiofrekvensidentifiering (RF) har använts för spårning, och RF-identifieringssystem består av en läsare och en etikett. Etiketten är en liten datorchip som är fäst för spårning, medan läsaren sänder ut en RF-signal som moduleras av etiketten och reflekteras tillbaka till läsaren.

Denna reflekterade signal är ansvarig för att tillhandahålla viktig information om den märkta artikeln, såsom plats och identitet. Detta används ofta i detaljhandelsförsörjningskedjor, med länder som Japan som planerar att använda RF-spårning för alla detaljhandelsköp till slut.

“RF är en sådan annorlunda avkänningsmodell än syn”, säger Rodriguez. “Det vore ett misstag att inte undersöka vad RF kan göra”.

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

RF Grasp

Den nyligen utvecklade RF Grasp använder en kamera och en RF-läsare för att lokalisera och gripa märkta föremål, och det kan göra detta även om de är fullständigt blockerade från kameran. Det finns en robotarm fäst vid en gripande hand, och handleden håller kameran. RF-läsaren är oberoende av roboten och sänder spårningsdata till kontrollalgoritmen.

Genom att integrera RF-spårningsdatainsamling och data från den visuella bilden av robotens omgivning, blir robotens beslutsprocess mycket komplicerad.

“Roboten måste bestämma, vid varje tidpunkt, vilken av dessa strömmar som är viktigast att tänka på”, säger Boroushaki. “Det är inte bara öga-hand-koordination, det är RF-öga-hand-koordination. Så problemet blir mycket komplicerat.

“Det börjar med att använda RF för att fokusera uppmärksamheten på syn”, säger Adib. “Sedan använder du syn för att navigera fina manövrer”.

Med denna process kan RF Grasp rikta in sig på ett föremål och manipulera föremålet och synen, vilket resulterar i en finare detalj än RF.

I en serie tester lyckades RF Grasp med att lokalisera och gripa målföremålet med cirka hälften så mycket total rörelse. Det kunde också “avkladda” miljön, vilket är mycket unikt, genom att ta bort packningsmaterial och hinder för att komma till målet.

“Det har denna vägledning som andra system helt enkelt inte har”, säger Rodriguez.

RF Grasp kan till slut spela en stor roll i e-handelslager, genom att göra saker som att omedelbart verifiera en artikels identitet.

“RF har potentialen att förbättra några av dessa begränsningar inom industrin, särskilt inom perception och lokalisering”, fortsätter Rodriguez.

När det gäller hemmanvändning säger Adib: “Eller så kan man tänka sig att roboten hittar förlorade föremål. Det är som en super-Roomba som går och hämtar mina nycklar, var jag än har lagt dem”.

Alex McFarland är en AI-journalist och författare som utforskar de senaste utvecklingarna inom artificiell intelligens. Han har samarbetat med många AI-startups och publikationer över hela världen.