Robotik Sistem Gömülü Nesneleri Geri Çeker

MIT’de geliştirilen yeni bir robotik sistem olan FuseBot, gömülü nesneleri bulmak için görsel bilgiler ve radyo frekans sinyallerini birleştirir. Bir kayıp nesneyi bulmak için robotlar, yığın ve içindeki nesneler hakkında karmaşık akıl yürütme kullanmalıdır.

Araştırmacılar daha önce, gömülü nesneleri bulmak için görsel bilgiler ve radyo frekans (RF) sinyallerini birleştiren bir robotik kol geliştirdiler. Ancak yeni sistem, hedef nesnenin etiketlenmediği durumlarda bile herhangi bir gömülü nesneyi verimli bir şekilde geri çekebilir. Sadece yığının bazı nesnelerinin bu RF etiketlerine sahip olması gerekir.

FuseBot’taki Algoritmalar

FuseBot’u oluşturan algoritmalar, yığın下的 nesnelerin muhtemel konumunu ve yönünü hakkında akıl yürütme yapabilir. Ardından, hedef nesneyi çıkarmak için en verimli yolu keşfeder. FuseBot, bir başka devlet-sanatlı robotik sistemden daha verimli bir şekilde gizli nesneleri bulabildi ve bunu yarı zamanında gerçekleştirdi.

Yeni sistem, bir e-ticaret depoda gibi alanlarda uygulanabilir.

Araştırma için senior yazar Fadel Adib, Elektrik Mühendisliği ve Bilgisayar Bilimi Bölümü’nde asociation profesörü ve Medya Lab’daki Sinyal Kinetics grubunun müdürü yer aldı.

“Bu makale, ilk kez, bir RFID etiketli nesnenin varlığının, diğer görevleri daha verimli bir şekilde gerçekleştirmeyi çok daha kolay hale getirdiğini gösteriyor. Bunu, sistemimize çok modlu akıl yürütme ekleyerek başardık – FuseBot, hem görme hem de RF hakkında akıl yürütme yapabilir,” diyor Adib.

Adib, araştırma asistanları Tara Boroushaki, lead yazar; Laura Dodds; ve Nazish Naeem ile birlikte çalıştı.

FuseBot, bir video kamera ve RF anten ile donatılmış bir robotik kol içerir. Sistem, yığını kamera ile taramak suretiyle ortamın 3D modelini oluşturur ve aynı zamanda anteninden sinyaller göndererek RFID etiketlerini konumlandırır.

Radyo dalgaları çoğu katı yüzeyden geçebildiğinden, robot “yığının içine bakabilir”. Hedef nesne dışındaki nesnelerin etiketli olması nedeniyle, FuseBot hedef nesnenin aynı noktada olamayacağını bilir.

Bilgi, algoritmalar tarafından birleştirilir ve ortamın 3D modelini günceller, hedef nesnenin muhtemel konumlarını vurgular, robot zaten nesnenin boyutunu ve şeklini bilir. Sistem, yığındaki nesneler ve RFID etiketleri hakkında akıl yürütme yapar ve hangi nesnenin taşınacağını belirler, en az hareket için bir yol arar.

Yığın altındaki nesnelerin nasıl yönlendirildiğini bilmeyen zorluğu aşmak için FuseBot, olasılıksal akıl yürütme kullanır. Her bir nesneyi kaldırdığında, sonraki en iyi nesneyi kaldırmak için de akıl yürütme kullanır.

“Eğer bir insana bir yığın nesne verilirse, büyük olasılıkla en büyük nesneyi ilk olarak kaldırır ve altında ne olduğunu görür. Robotun yaptığı benzer, ancak RFID bilgisini daha bilinçli bir karar için kullanır. ‘Bu nesneyi yüzeyden kaldırmak, bu yığın hakkında ne kadar çok şey öğreneceğim?’ diye sorar,” diyor Boroushaki.

Robot, bir nesne kaldırdıktan sonra yığını taramakta ve yeni verileri stratejiyi optimize etmek için kullanmaktadır.

Diğer Sistemleri Geride Bırakmak

RF sinyalleri ve akıl yürütme kullanarak, FuseBot, sadece görsel bilgileri kullanan bir devlet-sanatlı sistemden daha iyi performans gösterdi. Hedef nesneyi %95’lik bir başarı oranıyla çıkardı, diğer sistem ise %84’lük bir başarı oranıyla çıkardı. Ayrıca bunu %40 daha az hareketle gerçekleştirdi ve nesneleri iki kat daha hızlı bulabildi.

“RF bilgisini entegre ederek büyük bir başarı oranı artışı görüyoruz. Ayrıca, önceki sistemimizin performansını eşledik ve onu bazı senaryolarda aştık, özellikle de hedef nesne bir RFID etiketine sahip değilken,” diyor Dodds.

Karmaşık akıl yürütme işlemlerini gerçekleştirmekten sorumlu yazılımlar, herhangi bir bilgisayarda uygulanabilir, yani FuseBot geniş bir uygulama yelpazesi için kullanılabilir. Ekibe şimdi, sisteme daha karmaşık modeller entegre etmek ve farklı manipülasyonları keşfetmek kalıyor.