Rami\u0119 robota \u0142\u0105czy dane z kamery i anteny, aby zlokalizowa\u0107 i odzyska\u0107 przedmioty, nawet je\u015bli s\u0105 zakopane pod stosem.<\/p>\n
Kto z nas nie by\u0142 w sytuacji, gdy po wyj\u015bciu z domu okazuje si\u0119, \u017ce nie mam kluczy. Gor\u0105czkowe przeszukiwanie stos\u00f3w rzeczy zwi\u0119ksza zdenerwowanie, a nie zawsze ko\u0144czy si\u0119 sukcesem. Z pomoc\u0105 przychodzi robot!<\/p>\n
Naukowcy z MIT stworzyli system robotyczny, kt\u00f3ry w\u0142a\u015bnie to potrafi. System RFusion to rami\u0119 robota z kamer\u0105 i anten\u0105 cz\u0119stotliwo\u015bci radiowej (RF) przymocowan\u0105 do chwytaka. \u0141\u0105czy sygna\u0142y z anteny z sygna\u0142em wizualnym z kamery, aby zlokalizowa\u0107 i odzyska\u0107 przedmiot, nawet je\u015bli jest on zakopany pod stert\u0105 rzeczy i ca\u0142kowicie poza zasi\u0119giem wzroku.<\/p>\n
Opracowany przez naukowc\u00f3w prototyp RFusion opiera si\u0119 na znacznikach RFID, kt\u00f3re s\u0105 tanimi, niewymagaj\u0105cymi baterii znacznikami, kt\u00f3re mo\u017cna przyklei\u0107 do przedmiotu i odbija\u0107 sygna\u0142y wysy\u0142ane przez anten\u0119. Poniewa\u017c sygna\u0142y RF mog\u0105 przechodzi\u0107 przez wi\u0119kszo\u015b\u0107 powierzchni (takich jak kopiec brudnego prania, w kt\u00f3rym s\u0105 nasze klucze), RFusion jest w stanie zlokalizowa\u0107 oznaczony przedmiot w stosie.<\/p>\n
Wykorzystuj\u0105c uczenie maszynowe, rami\u0119 robota automatycznie ustawia si\u0119 w dok\u0142adnej lokalizacji obiektu, przesuwa przedmioty, chwyta przedmiot i sprawdza, czy podni\u00f3s\u0142 w\u0142a\u015bciw\u0105 rzecz. Kamera, antena, rami\u0119 robota i sztuczna inteligencja s\u0105 w pe\u0142ni zintegrowane, dzi\u0119ki czemu RFusion mo\u017ce pracowa\u0107 w dowolnym \u015brodowisku bez konieczno\u015bci specjalnej konfiguracji.<\/p>\n
Chocia\u017c znajdowanie zgubionych kluczy jest pomocne, RFusion mo\u017ce mie\u0107 w przysz\u0142o\u015bci wiele szerszych zastosowa\u0144, takich jak: sortowanie stos\u00f3w przedmiot\u00f3w w celu realizacji zam\u00f3wie\u0144 w magazynie, identyfikacja i instalowanie komponent\u00f3w w fabryce samochod\u00f3w lub pomoc starszej osobie w wykonywaniu codziennych zada\u0144 w domu. P\u00f3ki co obecny prototyp nie jest jeszcze wystarczaj\u0105co szybki do takich zastosowa\u0144, lecz zostanie zaprezentowany w przysz\u0142ym miesi\u0105cu na konferencji Association for Computing Machinery po\u015bwi\u0119conej wbudowanym sieciowym systemom czujnik\u00f3w.<\/p>\n
\u201ePomys\u0142 na znalezienie przedmiot\u00f3w w\u015br\u00f3d wielu innych jest czym\u015b, nad czym pracowali\u015bmy od kilku lat. Posiadanie robot\u00f3w, kt\u00f3re s\u0105 w stanie szuka\u0107 rzeczy pod stosem, to rosn\u0105ca potrzeba w dzisiejszym przemy\u015ble. W tej chwili mo\u017cesz my\u015ble\u0107 o tym jako o Roombie na sterydach, ale w niedalekiej perspektywie mo\u017ce to mie\u0107 wiele zastosowa\u0144 w \u015brodowiskach produkcyjnych i magazynowych\u201d \u2013 powiedzia\u0142 starszy autor Fadel Adib, profesor nadzwyczajny na Wydziale Elektrotechniki i Informatyki, a tak\u017ce dyrektor grupy Signal Kinetics w MIT Media Lab.<\/p>\n
Naukowcy wykorzystali uczenie ze wzmacnianiem, aby wytrenowa\u0107 sie\u0107 neuronow\u0105, kt\u00f3ra mo\u017ce zoptymalizowa\u0107 trajektori\u0119 robota do obiektu. W uczeniu si\u0119 przez wzmacnianie algorytm jest szkolony metod\u0105 pr\u00f3b i b\u0142\u0119d\u00f3w z systemem nagr\u00f3d.<\/p>\n
\u201eTak te\u017c uczy si\u0119 nasz m\u00f3zg. Wynagradzaj\u0105 nas nasi nauczyciele, rodzice, gra komputerowa itp. To samo dzieje si\u0119 w uczeniu si\u0119 przez wzmacnianie. Pozwalamy agentowi pope\u0142nia\u0107 b\u0142\u0119dy lub robi\u0107 co\u015b dobrze, a nast\u0119pnie karzemy lub nagradzamy sie\u0107. W ten spos\u00f3b sie\u0107 uczy si\u0119 czego\u015b, co jest dla niej naprawd\u0119 trudne do modelowania\u201d \u2013 wyja\u015bnia Tara Boroushaki<\/p>\n
W przypadku RFusion algorytm optymalizacji by\u0142 nagradzany, gdy ogranicza\u0142 liczb\u0119 ruch\u00f3w, kt\u00f3re musia\u0142 wykona\u0107, aby zlokalizowa\u0107 przedmiot oraz odleg\u0142o\u015b\u0107, jak\u0105 musia\u0142 przeby\u0107, aby go podnie\u015b\u0107.<\/p>\n
Gdy system zidentyfikuje dok\u0142adnie w\u0142a\u015bciwe miejsce, sie\u0107 neuronowa wykorzystuje po\u0142\u0105czone informacje RF i wizualne, aby przewidzie\u0107, w jaki spos\u00f3b rami\u0119 robota powinno uchwyci\u0107 obiekt, w tym k\u0105t nachylenia ramienia robotycznego i szeroko\u015b\u0107 chwytaka przy wcze\u015bniejszym usuni\u0119ciu innych element\u00f3w. Skanuje r\u00f3wnie\u017c znacznik przedmiotu po raz ostatni, aby upewni\u0107 si\u0119, \u017ce podni\u00f3s\u0142 w\u0142a\u015bciwy przedmiot. RFusion mia\u0142 96-procentowy wska\u017anik sukcesu podczas odzyskiwania obiekt\u00f3w, kt\u00f3re by\u0142y ca\u0142kowicie ukryte pod stosem.<\/p>\n
W przysz\u0142o\u015bci naukowcy maj\u0105 nadziej\u0119 zwi\u0119kszy\u0107 pr\u0119dko\u015b\u0107 systemu, aby m\u00f3g\u0142 porusza\u0107 si\u0119 p\u0142ynnie, zamiast okresowo zatrzymywa\u0107 si\u0119 w celu wykonania pomiar\u00f3w. Umo\u017cliwi\u0142oby to wdro\u017cenie RFusion w szybkim tempie produkcji lub magazynu.<\/p>\n
Poza potencjalnymi zastosowaniami przemys\u0142owymi, taki system mo\u017ce zosta\u0107 wykorzystany jako funkcjonalno\u015b\u0107 przysz\u0142ych inteligentnych dom\u00f3w, aby pom\u00f3c ludziom w realizacji zada\u0144 domowych, m\u00f3wi Boroushaki.<\/p>\n
\u201eKa\u017cdego roku miliardy tag\u00f3w RFID s\u0105 wykorzystywane do identyfikacji obiekt\u00f3w w dzisiejszych z\u0142o\u017conych \u0142a\u0144cuchach dostaw, w tym odzie\u017cy i wielu innych towar\u00f3w konsumpcyjnych. Podej\u015bcie RFusion wskazuje drog\u0119 do autonomicznych robot\u00f3w, kt\u00f3re mog\u0105 przekopywa\u0107 si\u0119 przez stos mieszanych przedmiot\u00f3w i sortowa\u0107 je za pomoc\u0105 danych przechowywanych w tagach RFID, znacznie wydajniej ni\u017c poprzez sprawdzanie ka\u017cdego elementu z osobna, zw\u0142aszcza gdy elementy wygl\u0105daj\u0105 podobnie.\u201d \u2013 m\u00f3wi Matthew S. Reynolds, profesor nadzwyczajny In\u017cynierii Elektrycznej i Komputerowej na Uniwersytecie Waszyngto\u0144skim<\/p>\n
\u0179r\u00f3d\u0142o: https:\/\/news.mit.edu\/2021\/robot-finds-items-camera-antenna-1005 <\/p>\n","protected":false},"excerpt":{"rendered":"
Robot, który znajduje zagubione przedmioty<\/strong><\/p>\n Rami\u0119 robota \u0142\u0105czy dane z kamery i anteny, aby zlokalizowa\u0107 i odzyska\u0107 przedmioty, nawet je\u015bli s\u0105 zakopane pod stosem.<\/p>\n Kto z nas nie by\u0142 w sytuacji, gdy po wyj\u015bciu z domu okazuje si\u0119, \u017ce nie mam kluczy. Gor\u0105czkowe przeszukiwanie stosów rzeczy zwi\u0119ksza zdenerwowanie, a nie zawsze ko\u0144czy si\u0119 sukcesem. Z pomoc\u0105 przychodzi robot!<\/p>\n Naukowcy z MIT stworzyli system robotyczny, który w\u0142a\u015bnie to potrafi. System RFusion to rami\u0119 robota z kamer\u0105 i anten\u0105 cz\u0119stotliwo\u015bci radiowej (RF) przymocowan\u0105 do chwytaka. \u0141\u0105czy sygna\u0142y z anteny z sygna\u0142em wizualnym z kamery, aby zlokalizowa\u0107 i odzyska\u0107 przedmiot, nawet je\u015bli jest on zakopany pod stert\u0105 rzeczy i ca\u0142kowicie poza zasi\u0119giem wzroku.<\/p>\n Opracowany przez naukowców prototyp RFusion opiera si\u0119 na znacznikach RFID, które s\u0105 tanimi, niewymagaj\u0105cymi baterii znacznikami, które mo\u017cna przyklei\u0107 do przedmiotu i odbija\u0107 sygna\u0142y wysy\u0142ane przez anten\u0119. Poniewa\u017c sygna\u0142y RF mog\u0105 przechodzi\u0107 przez wi\u0119kszo\u015b\u0107 powierzchni (takich jak kopiec brudnego prania, w którym s\u0105 nasze klucze), RFusion jest w stanie zlokalizowa\u0107 oznaczony przedmiot w stosie.<\/p>\n","protected":false},"author":1,"featured_media":615,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[10,14],"tags":[],"content_language":[],"class_list":["post-746","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog","category-robotics"],"acf":[],"yoast_head":"\n