Emberek számára meglehetősen egyszerű megtalálni az elveszett pénztárcát egy halom tárgy alatt -- egyszerűen eltávolítjuk a dolgokat a kupacból, amíg meg nem találjuk a tárcát. De egy robot számára ez a feladat összetett érvelést igényel a halomról és a benne lévő tárgyakról, ami meredek kihívást jelent.
Az MIT kutatói korábban bemutattak egy robotkart, amely vizuális információkat és rádiófrekvenciás (RF) jeleket kombinál, hogy megtalálja az RFID-címkékkel (amelyek az antenna által küldött jeleket tükröző) címkézett rejtett tárgyakat. E munkára építve most kifejlesztettek egy új rendszert, amely hatékonyan képes visszahozni minden halomba temetett tárgyat. Mindaddig, amíg a halom egyes elemei RFID-címkékkel rendelkeznek, a célelemet nem kell címkézni ahhoz, hogy a rendszer helyreállítsa.
A rendszer mögötti algoritmusok, az úgynevezett FuseBot, a halom alatti objektumok valószínű elhelyezkedését és tájolását magyarázzák. Ezután a FuseBot megtalálja a leghatékonyabb módszert az akadályozó objektumok eltávolítására és a célelem kibontására. Ez az érvelés lehetővé tette, hogy a FuseBot feleannyi idő alatt több rejtett elemet találjon, mint egy korszerű robotikai rendszer.
Ez a sebesség különösen hasznos lehet egy e-kereskedelmi raktárban. Fadel Adib vezető szerző, a Villamosmérnöki és Számítástechnikai Tanszék docense, valamint a Media Lab Signal Kinetics csoportjának igazgatója szerint a visszaküldések feldolgozásával megbízott robot a FuseBot rendszerrel hatékonyabban találhatja meg a válogatatlan halomban lévő elemeket.
"Ebből a cikkből először derül ki, hogy egy RFID-címkével ellátott elem puszta jelenléte a környezetben sokkal könnyebbé teszi az egyéb feladatok hatékonyabb elvégzését. Ezt azért tudtuk megtenni, mert hozzáadtuk multimodális érvelés a rendszerhez -- A FuseBot mind a látással, mind a rádiófrekvenciával kapcsolatban tud gondolkodni, hogy megértsen egy halom elemet" - teszi hozzá Adib.
Tara Boroushaki kutatási asszisztensek csatlakoznak Adibhez, aki a vezető szerző; Laura Dodds; és a náci Naeem. A kutatást a Robotics: Science and Systems konferencián mutatják be.
Célzási címkék
Egy közelmúltbeli piaci jelentés szerint az amerikai kiskereskedők több mint 90 százaléka használ RFID-címkéket, de a technológia nem univerzális, ami olyan helyzetekhez vezet, amikor csak néhány objektumot jelölnek meg a halomban.
Ez a probléma inspirálta a csoport kutatását.
A FuseBot segítségével egy robotkar egy csatlakoztatott videokamerát és RF antennát használ a címkézetlen céltárgyak vegyes halomból való kiemelésére. A rendszer átvizsgálja a halmot a kamerájával, hogy létrehozza a környezet 3D-s modelljét. Ezzel egyidejűleg jeleket küld antennájáról, hogy megtalálja az RFID-címkéket. Ezek a rádióhullámok a legtöbb szilárd felületen át tudnak haladni, így a robot mélyen "lát" a halomba. Mivel a célelem nincs címkézve, a FuseBot tudja, hogy az elem nem található pontosan ugyanazon a helyen, mint egy RFID-címke.
Az algoritmusok egyesítik ezeket az információkat, hogy frissítsék a környezet 3D-s modelljét, és kiemeljék a céltárgy lehetséges helyeit; a robot ismeri a méretét és alakját. Ezután a rendszer megindokolja a halomban lévő objektumokat és az RFID-címkék helyét, hogy meghatározza, melyik elemet távolítsa el, azzal a céllal, hogy a legkevesebb mozdulattal megtalálja a célelemet.
Nehéz volt ezt az érvelést beépíteni a rendszerbe, mondja Boroushaki.
A robot nem tudja, hogyan helyezkednek el a tárgyak a halom alatt, vagy hogyan deformálódhat el egy pácolt tárgy a rányomódó nehezebb tárgyak miatt. Ezt a kihívást valószínűségi érveléssel küszöböli ki, felhasználva az objektum méretéről és alakjáról, valamint az RFID-címke helyéről ismereteit, hogy modellezze azt a 3D-s teret, amelyet az objektum valószínűleg elfoglal.
Amint eltávolítja az elemeket, érvelést is használ annak eldöntésére, hogy melyik elem lenne a "legjobb" eltávolítása.
"Ha adok egy embernek egy halom elemet, hogy keressen, akkor valószínűleg először a legnagyobb elemet távolítják el, hogy lássák, mi van alatta. A robot működése hasonló, de RFID-információkat is tartalmaz, hogy megalapozottabb döntést hozhasson. megkérdezi: "Mennyivel többet fog megérteni erről a halomról, ha eltávolítja ezt az elemet a felszínről?" - mondja Boroushaki.
Miután eltávolított egy objektumot, a robot újra átvizsgálja a halmot, és új információk alapján optimalizálja stratégiáját.
Visszakeresési eredmények
Ez az érvelés, valamint a rádiófrekvenciás jelek használata előnyhöz juttatta a FuseBotot egy olyan korszerű rendszerrel szemben, amely csak látást használ. A csapat több mint 180 kísérleti kísérletet végzett valódi robotkarokkal és háztartási cikkekkel, például irodai kellékekkel, plüssállatokkal és ruházattal. Változtatták a kupacok méretét és az RFID-címkével ellátott cikkek számát minden halomban.
A FuseBot az esetek 95 százalékában sikeresen kinyerte a célelemet, szemben a másik robotrendszer 84 százalékával. Ezt 40 százalékkal kevesebb mozdulattal érte el, és több mint kétszer gyorsabban tudta megtalálni és visszakeresni a megcélzott elemeket.
"Az RF információ beépítésével nagy javulást látunk a sikerességi arányban. Izgalmas volt látni azt is, hogy képesek voltunk megfelelni a korábbi rendszerünk teljesítményének, és túlszárnyaltuk azt olyan esetekben, amikor a céltárgy nem rendelkezett RFID-vel. címke” – mondja Dodds.
A FuseBot sokféle beállításban alkalmazható, mivel a komplex gondolkodást végrehajtó szoftver bármilyen számítógépen megvalósítható -- csak egy kamerával és antennával rendelkező robotkarral kell kommunikálnia – teszi hozzá Boroushaki.
A közeljövőben a kutatók azt tervezik, hogy bonyolultabb modelleket építenek be a FuseBotba, hogy jobban teljesítsen deformálható tárgyakon. Ezen túlmenően érdeklődnek a különféle manipulációk, például a tárgyakat félretoló robotkar felfedezése iránt. A rendszer jövőbeli iterációi egy mobil robottal is használhatók, amely több halomban keres elveszett tárgyakat.
Ezt a munkát részben a National Science Foundation, a Sloan Research Fellowship, az NTT DATA, a Toppan, a Toppan Forms és az MIT Media Lab finanszírozta.