Inimeste jaoks on esemetehunniku alla mattunud kadunud rahakoti leidmine üsna lihtne -- eemaldame asjad lihtsalt hunnikust, kuni rahakoti leiame. Kuid roboti jaoks hõlmab see ülesanne keerulist arutlemist hunniku ja selles olevate esemete kohta, mis on tõsine väljakutse.
MIT-i teadlased demonstreerisid varem robotkätt, mis kombineerib visuaalset teavet ja raadiosageduslikke (RF) signaale, et leida peidetud objekte, mis olid märgistatud RFID-märgistega (mis peegeldavad antenni saadetud signaale). Selle töö põhjal on nad nüüd välja töötanud uue süsteemi, mis suudab tõhusalt kätte saada kõik hunnikusse maetud objektid. Kuni mõnel hunnikus oleval üksusel on RFID-sildid, ei pea süsteem selle taastamiseks sihtüksust märgistama.
Süsteemi taga olevad algoritmid, tuntud kui FuseBot, põhinevad hunniku all olevate objektide tõenäolise asukoha ja orientatsiooni kohta. Seejärel leiab FuseBot kõige tõhusama viisi takistavate objektide eemaldamiseks ja sihtüksuse ekstraktimiseks. See arutluskäik võimaldas FuseBotil poole ajaga leida rohkem peidetud esemeid kui tipptasemel robootikasüsteem.
See kiirus võib olla eriti kasulik e-kaubanduse laos. Tagastusi töötlev robot võiks FuseBoti süsteemiga tõhusamalt leida sorteerimata hunnikus olevaid esemeid, ütleb vanemautor Fadel Adib, elektrotehnika ja arvutiteaduse osakonna dotsent ning meedialabori signaalikineetika rühma direktor.
"See artikkel näitab esimest korda, et ainuüksi RFID-märgisega üksuse olemasolu keskkonnas muudab teiste ülesannete tõhusama täitmise palju lihtsamaks. Saime seda teha, kuna lisasime süsteemi mitmeliigiline arutluskäik -- FuseBot võib arutleda nii nägemise kui ka raadiosageduse kohta, et mõista hunnikut üksusi,“ lisab Adib.
Adibiga liituvad paberil uurimisassistendid Tara Boroushaki, kes on juhtiv autor; Laura Dodds; ja nats Naeem. Uurimust esitletakse konverentsil Robotics: Science and Systems.
Sihtimissildid
Hiljutine turuaruanne näitab, et enam kui 90 protsenti USA jaemüüjatest kasutab nüüd RFID-märke, kuid tehnoloogia ei ole universaalne, mis põhjustab olukordi, kus märgistatakse vaid mõned hunnikutes olevad objektid.
See probleem inspireeris rühma uurimistööd.
FuseBoti abil kasutab robotkäsi ühendatud videokaamerat ja RF-antenni märgistamata sihtelemendi väljavõtmiseks segahunnikust. Süsteem skannib hunnikut oma kaameraga, et luua keskkonnast 3D-mudel. Samal ajal saadab see oma antennilt signaale RFID-siltide leidmiseks. Need raadiolained võivad läbida enamikku tahkeid pindu, nii et robot näeb sügavale hunnikusse. Kuna sihtüksus ei ole märgistatud, teab FuseBot, et üksus ei asu RFID-märgisega täpselt samas kohas.
Algoritmid ühendavad selle teabe keskkonna 3D-mudeli värskendamiseks ja sihtüksuse potentsiaalsete asukohtade esiletõstmiseks; robot teab oma suurust ja kuju. Seejärel selgitab süsteem hunnikus olevaid objekte ja RFID-märgiste asukohti, et määrata, milline üksus eemaldada, eesmärgiga leida sihtüksus kõige vähemate liigutustega.
Boroushaki ütleb, et selle arutluskäigu süsteemi kaasamine oli keeruline.
Robot ei ole kindel, kuidas objektid hunniku all on orienteeritud või kuidas pritsiv ese võib sellele vajutades raskemad esemed deformeeruda. See ületab selle väljakutse tõenäosuslike arutlustega, kasutades seda, mida ta teab objekti suuruse ja kuju ning selle RFID-märgise asukoha kohta, et modelleerida 3D-ruumi, mille objekt tõenäoliselt hõivab.
Kuna see eemaldab üksusi, kasutab see ka põhjendusi, et otsustada, milline üksus oleks "parim" järgmisena eemaldada.
"Kui annan inimesele otsida hunniku esemeid, eemaldavad nad tõenäoliselt kõigepealt kõige suurema eseme, et näha, mis selle all on. Roboti tegevus on sarnane, kuid see sisaldab ka RFID-teavet, et teha teadlikumat otsust. küsib: "Kui palju ta sellest hunnikust rohkem aru saab, kui see selle eseme pinnalt eemaldab?"" ütleb Boroushaki.
Pärast objekti eemaldamist skannib robot hunnikut uuesti ja kasutab uut teavet oma strateegia optimeerimiseks.
Otsimise tulemused
See arutluskäik ja RF-signaalide kasutamine andsid FuseBotile eelise tipptasemel süsteemi ees, mis kasutas ainult nägemist. Meeskond viis läbi enam kui 180 eksperimentaalset katset, kasutades tõelisi robotkäsivarsi ja hunnikuid majapidamistarvetega, nagu kontoritarbed, topised ja riided. Nad muutsid igas hunnikus vaiade suurust ja RFID-märgisega esemete arvu.
FuseBot ekstraheeris sihtüksuse edukalt 95 protsenti ajast, võrreldes 84 protsendiga teise robotsüsteemi puhul. See saavutas selle 40 protsenti vähemate liigutustega ning suutis sihitud üksused leida ja tuua rohkem kui kaks korda kiiremini.
"Näeme selle RF-teabe kaasamisega edukuse määra suurt paranemist. Samuti oli põnev näha, et suutsime võrrelda oma eelmise süsteemi jõudlust ja ületada seda stsenaariumide korral, kus sihtüksusel ei olnud RFID-d silt," ütleb Dodds.
FuseBoti saab rakendada mitmesugustes seadetes, kuna tarkvara, mis teostab oma keerulisi arutlusi, saab rakendada igas arvutis --, see peab lihtsalt suhtlema robotkäega, millel on kaamera ja antenn, lisab Boroushaki.
Lähitulevikus kavatsevad teadlased lisada FuseBoti keerukamaid mudeleid, et see toimiks paremini deformeeritavatel objektidel. Peale selle on nad huvitatud erinevate manipulatsioonide uurimisest, näiteks robotkätt, mis lükkab esemeid teelt välja. Süsteemi tulevasi iteratsioone saab kasutada ka mobiilse robotiga, mis otsib kadunud esemeid mitmest hunnikust.
Seda tööd rahastasid osaliselt National Science Foundation, Sloani uurimisstipendium, NTT DATA, Toppan, Toppan Forms ja MIT Media Lab.