Do ITM zostało tylko

Dzień(s)

:

Godzina(y)

:

Minut(y)

:

Sekund(y)

NCBR

Robot, który znajduje zagubione przedmioty z 96% precyzją

Ramię robota łączy dane z kamery i anteny, aby zlokalizować i odzyskać przedmioty, nawet jeśli są zakopane pod stosem.

Kto z nas nie był w sytuacji, gdy po wyjściu z domu okazuje się, że nie mam kluczy. Gorączkowe przeszukiwanie stosów rzeczy zwiększa zdenerwowanie, a nie zawsze kończy się sukcesem. Z pomocą przychodzi robot!

Naukowcy z MIT stworzyli system robotyczny, który właśnie to potrafi. System RFusion to ramię robota z kamerą i anteną częstotliwości radiowej (RF) przymocowaną do chwytaka. Łączy sygnały z anteny z sygnałem wizualnym z kamery, aby zlokalizować i odzyskać przedmiot, nawet jeśli jest on zakopany pod stertą rzeczy i całkowicie poza zasięgiem wzroku.

Opracowany przez naukowców prototyp RFusion opiera się na znacznikach RFID, które są tanimi, niewymagającymi baterii znacznikami, które można przykleić do przedmiotu i odbijać sygnały wysyłane przez antenę. Ponieważ sygnały RF mogą przechodzić przez większość powierzchni (takich jak kopiec brudnego prania, w którym są nasze klucze), RFusion jest w stanie zlokalizować oznaczony przedmiot w stosie.

Wykorzystując uczenie maszynowe, ramię robota automatycznie ustawia się w dokładnej lokalizacji obiektu, przesuwa przedmioty, chwyta przedmiot i sprawdza, czy podniósł właściwą rzecz. Kamera, antena, ramię robota i sztuczna inteligencja są w pełni zintegrowane, dzięki czemu RFusion może pracować w dowolnym środowisku bez konieczności specjalnej konfiguracji.

Chociaż znajdowanie zgubionych kluczy jest pomocne, RFusion może mieć w przyszłości wiele szerszych zastosowań, takich jak: sortowanie stosów przedmiotów w celu realizacji zamówień w magazynie, identyfikacja i instalowanie komponentów w fabryce samochodów lub pomoc starszej osobie w wykonywaniu codziennych zadań w domu. Póki co obecny prototyp nie jest jeszcze wystarczająco szybki do takich zastosowań, lecz zostanie zaprezentowany w przyszłym miesiącu na konferencji Association for Computing Machinery poświęconej wbudowanym sieciowym systemom czujników.

„Pomysł na znalezienie przedmiotów wśród wielu innych jest czymś, nad czym pracowaliśmy od kilku lat. Posiadanie robotów, które są w stanie szukać rzeczy pod stosem, to rosnąca potrzeba w dzisiejszym przemyśle. W tej chwili możesz myśleć o tym jako o Roombie na sterydach, ale w niedalekiej perspektywie może to mieć wiele zastosowań w środowiskach produkcyjnych i magazynowych” – powiedział starszy autor Fadel Adib, profesor nadzwyczajny na Wydziale Elektrotechniki i Informatyki, a także dyrektor grupy Signal Kinetics w MIT Media Lab.

Naukowcy wykorzystali uczenie ze wzmacnianiem, aby wytrenować sieć neuronową, która może zoptymalizować trajektorię robota do obiektu. W uczeniu się przez wzmacnianie algorytm jest szkolony metodą prób i błędów z systemem nagród.

„Tak też uczy się nasz mózg. Wynagradzają nas nasi nauczyciele, rodzice, gra komputerowa itp. To samo dzieje się w uczeniu się przez wzmacnianie. Pozwalamy agentowi popełniać błędy lub robić coś dobrze, a następnie karzemy lub nagradzamy sieć. W ten sposób sieć uczy się czegoś, co jest dla niej naprawdę trudne do modelowania” – wyjaśnia Tara Boroushaki

W przypadku RFusion algorytm optymalizacji był nagradzany, gdy ograniczał liczbę ruchów, które musiał wykonać, aby zlokalizować przedmiot oraz odległość, jaką musiał przebyć, aby go podnieść.

Gdy system zidentyfikuje dokładnie właściwe miejsce, sieć neuronowa wykorzystuje połączone informacje RF i wizualne, aby przewidzieć, w jaki sposób ramię robota powinno uchwycić obiekt, w tym kąt nachylenia ramienia robotycznego i szerokość chwytaka przy wcześniejszym usunięciu innych elementów. Skanuje również znacznik przedmiotu po raz ostatni, aby upewnić się, że podniósł właściwy przedmiot. RFusion miał 96-procentowy wskaźnik sukcesu podczas odzyskiwania obiektów, które były całkowicie ukryte pod stosem.

W przyszłości naukowcy mają nadzieję zwiększyć prędkość systemu, aby mógł poruszać się płynnie, zamiast okresowo zatrzymywać się w celu wykonania pomiarów. Umożliwiłoby to wdrożenie RFusion w szybkim tempie produkcji lub magazynu.

Poza potencjalnymi zastosowaniami przemysłowymi, taki system może zostać wykorzystany jako funkcjonalność przyszłych inteligentnych domów, aby pomóc ludziom w realizacji zadań domowych, mówi Boroushaki.

„Każdego roku miliardy tagów RFID są wykorzystywane do identyfikacji obiektów w dzisiejszych złożonych łańcuchach dostaw, w tym odzieży i wielu innych towarów konsumpcyjnych. Podejście RFusion wskazuje drogę do autonomicznych robotów, które mogą przekopywać się przez stos mieszanych przedmiotów i sortować je za pomocą danych przechowywanych w tagach RFID, znacznie wydajniej niż poprzez sprawdzanie każdego elementu z osobna, zwłaszcza gdy elementy wyglądają podobnie.” – mówi Matthew S. Reynolds, profesor nadzwyczajny Inżynierii Elektrycznej i Komputerowej na Uniwersytecie Waszyngtońskim

Źródło: https://news.mit.edu/2021/robot-finds-items-camera-antenna-1005 

Data publikacji: 7 października 2021