За људе је проналажење изгубљеног новчаника закопаног испод гомиле ствари прилично једноставно -- једноставно уклањамо ствари са гомиле док не пронађемо новчаник. Али за робота, овај задатак укључује сложено размишљање о гомили и предметима у њој, што представља стрм изазов.
Истраживачи са МИТ-а су раније демонстрирали роботску руку која комбинује визуелне информације и радио фреквенцијске (РФ) сигнале како би пронашли скривене објекте који су означени РФИД ознакама (које одражавају сигнале које шаље антена). Надовезујући се на тај посао, сада су развили нови систем који може ефикасно да извуче било који предмет закопан у гомили. Све док неке ставке у гомили имају РФИД ознаке, циљна ставка не мора бити означена да би је систем повратио.
Алгоритми који стоје иза система, познати као ФусеБот, разматрају вероватну локацију и оријентацију објеката испод гомиле. Тада ФусеБот проналази најефикаснији начин да уклони ометајуће објекте и издвоји циљну ставку. Ово резоновање је омогућило ФусеБоту да пронађе више скривених предмета од најсавременијег роботског система, за упола краће време.
Ова брзина би могла бити посебно корисна у складишту е-трговине. Робот задужен за обраду поврата могао би ефикасније да пронађе ставке у несортираној гомили помоћу система ФусеБот, каже старији аутор Фадел Адиб, ванредни професор на Одсеку за електротехнику и рачунарство и директор групе за кинетику сигнала у Медиа Лаб-у.
„Оно што овај рад показује, по први пут, јесте да само присуство РФИД означеног предмета у окружењу чини много лакшим за постизање других задатака на ефикаснији начин. То смо успели да урадимо јер смо додали мултимодално размишљање о систему -- ФусеБот може да размишља и о визији и о РФ-у да би разумео гомилу ствари“, додаје Адиб.
Адибу у раду се придружују истраживачки асистенти Тара Бороусхаки, која је главни аутор; Лаура Доддс; и нацистички Наим. Истраживање ће бити представљено на конференцији Роботика: наука и системи.
Ознаке за циљање
Недавни извештај о тржишту показује да више од 90 процената америчких трговаца на мало сада користи РФИД ознаке, али технологија није универзална, што доводи до ситуација у којима су означени само неки објекти унутар гомиле.
Овај проблем је инспирисао истраживање групе.
Са ФусеБот-ом, роботска рука користи прикључену видео камеру и РФ антену да извуче неозначени циљни предмет из мешовите гомиле. Систем скенира гомилу својом камером да би направио 3Д модел окружења. Истовремено, шаље сигнале са своје антене да лоцира РФИД ознаке. Ови радио таласи могу да прођу кроз већину чврстих површина, тако да робот може да "види" дубоко у гомилу. Пошто циљна ставка није означена, ФусеБот зна да се ставка не може налазити на истом месту као РФИД ознака.
Алгоритми спајају ове информације како би ажурирали 3Д модел окружења и истакли потенцијалне локације циљне ставке; робот зна своју величину и облик. Затим систем расуђује о објектима у гомили и локацијама РФИД ознака да би одредио коју ставку да уклони, са циљем да пронађе циљну ставку са најмање потеза.
Било је изазовно уградити ово резоновање у систем, каже Бороусхаки.
Робот није сигуран како су објекти оријентисани испод гомиле, или како би се мекани предмет могао деформисати притиском тежих предмета на њега. Овај изазов превазилази пробабилистичким резоновањем, користећи оно што зна о величини и облику објекта и његовој локацији РФИД ознаке за моделовање 3Д простора који ће објекат вероватно заузети.
Док уклања ставке, такође користи образложење да одлучи коју ставку би било „најбоље“ уклонити следећу.
„Ако дам човеку гомилу ствари да претражи, он ће највероватније прво уклонити највећи предмет да види шта се налази испод њега. Оно што робот ради је слично, али такође укључује РФИД информације како би донео информисанију одлуку. пита: 'Колико ће више разумети ову гомилу ако уклони овај предмет са површине?'", каже Борушаки.
Након што уклони објекат, робот поново скенира гомилу и користи нове информације да би оптимизовао своју стратегију.
Резултати преузимања
Ово резоновање, као и његова употреба РФ сигнала, дали су ФусеБоту предност у односу на најсавременији систем који је користио само визију. Тим је спровео више од 180 експерименталних испитивања користећи праве роботске руке и гомиле предмета за домаћинство, попут канцеларијског материјала, плишаних животиња и одеће. Они су варирали величине гомила и број предмета означених РФИД-ом у свакој гомили.
ФусеБот је успешно извукао циљну ставку у 95 процената времена, у поређењу са 84 процената за други роботски систем. То је постигао користећи 40 посто мање потеза и био је у могућности да лоцира и поврати циљане предмете више него двоструко брже.
„Видимо велико побољшање у стопи успеха уградњом ове РФ информације. Такође је било узбудљиво видети да смо успели да ускладимо перформансе нашег претходног система, и да их премашимо у сценаријима где циљна ставка није имала РФИД ознака", каже Доддс.
ФусеБот би могао да се примени у различитим подешавањима јер софтвер који изводи своје сложено резоновање може да се примени на било ком рачунару -- само треба да комуницира са роботском руком која има камеру и антену, додаје Борушаки.
У блиској будућности, истраживачи планирају да у ФусеБот уграде сложеније моделе како би се боље понашао на деформабилним објектима. Осим тога, заинтересовани су за истраживање различитих манипулација, као што је роботска рука која гура предмете са пута. Будуће итерације система би се такође могле користити са мобилним роботом који претражује више гомила изгубљених предмета.
Овај рад су делимично финансирали Национална научна фондација, Слоан Ресеарцх Фелловсхип, НТТ ДАТА, Топпан, Топпан Формс и МИТ Медиа Лаб.