Robot supera la incertidumbre para recuperar objetos enterrados – ScienceDaily

Robot supera la incertidumbre para recuperar objetos enterrados – ScienceDaily


Es bastante fácil para los humanos encontrar una billetera perdida enterrada debajo de una pila de artículos: simplemente retiramos cosas de la pila hasta que encontramos la billetera. Pero para un robot, esta tarea implica un pensamiento complejo sobre la pila y los objetos que contiene, lo cual es un gran desafío.

Los investigadores del MIT demostraron previamente un brazo robótico que combina información visual y señales de radiofrecuencia (RF) para encontrar objetos ocultos etiquetados con etiquetas RFID (que reflejan las señales enviadas por una antena). Sobre la base de este trabajo, ahora han desarrollado un nuevo sistema que puede recuperar de manera eficiente cualquier objeto enterrado en un montón. Siempre que algunos elementos de la pila tengan etiquetas RFID, no es necesario etiquetar el elemento de destino para que el sistema lo recupere.

Los algoritmos detrás del sistema, conocidos como FuseBot, hacen inferencias sobre la posición y orientación probables de los objetos debajo del montón. Luego, FuseBot encontrará la forma más eficiente de eliminar los objetos que interfieren y extraer el objeto de destino. Este razonamiento permitió a FuseBot encontrar más objetos ocultos en la mitad de tiempo que un sistema robótico de última generación.

Esta velocidad podría ser particularmente útil en un almacén de comercio electrónico. Un robot encargado de procesar las devoluciones podría usar el sistema FuseBot para encontrar elementos en una pila desordenada de manera más eficiente, dice el autor principal Fadel Adib, profesor asociado en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación y director del grupo de cinética de señalización en el laboratorio de medios.

“Lo que este documento muestra por primera vez es que la mera presencia de un elemento con etiqueta RFID en el entorno hace que sea mucho más fácil realizar otras tareas de manera más eficiente. Pudimos hacer esto porque agregamos razonamiento multimodal al sistema: FuseBot puede razonar usando tanto la vista como RF para comprender una pila de elementos”, agrega Adib.

Trabajando junto a Adib están los asistentes de investigación Tara Boroushaki, autora principal; Laura Dodds; y el nazi Naeem. Los resultados de la investigación se presentarán en la conferencia “Robótica: ciencia y sistemas”.

etiquetas de orientación

Un informe de mercado reciente muestra que más del 90 por ciento de los minoristas de EE. UU. ahora usan etiquetas RFID, pero la tecnología no es universal, lo que genera situaciones en las que solo se etiquetan algunos artículos dentro de los lotes.

Este problema inspiró la investigación del grupo.

En FuseBot, un brazo robótico utiliza una cámara de video adjunta y una antena de RF para recuperar un objetivo sin marcar de una pila mezclada. El sistema escanea el montón con su cámara para crear un modelo 3D del entorno. Al mismo tiempo, envía señales desde su antena para localizar etiquetas RFID. Estas ondas de radio pueden penetrar la mayoría de las superficies sólidas, lo que permite que el robot «vea» lo profundo del montón. Dado que el artículo de destino no está etiquetado, FuseBot sabe que el artículo no se puede ubicar exactamente en el mismo lugar que una etiqueta RFID.

Los algoritmos fusionan esta información para actualizar el modelo 3D del entorno y resaltar posibles ubicaciones objetivo; El robot conoce su tamaño y forma. Luego, el sistema infiere los artículos en la pila y las posiciones de las etiquetas RFID para determinar qué artículo eliminar, con el objetivo de encontrar el artículo objetivo con la menor cantidad de movimientos.

Adaptar ese razonamiento al sistema fue un desafío, dice Boroushaki.

El robot no está seguro de cómo se alinean los objetos debajo de la pila o cómo un objeto blando puede deformarse si lo presionan objetos más pesados. Supera este desafío con el pensamiento probabilístico, utilizando su conocimiento del tamaño y la forma de un objeto y la posición de su etiqueta RFID para modelar el espacio 3D que es probable que ocupe el objeto.

Al eliminar elementos, también usa argumentos para decidir cuál es el mejor elemento para eliminar a continuación.

«Si le doy a un ser humano una pila de elementos para buscar, lo más probable es que elimine primero el elemento más grande para ver qué hay debajo. Lo que hace el robot es similar, pero también incluye información RFID para tomar una decisión más informada y preguntarse: ‘¿Cuánto más entenderá sobre esta pila si retira este artículo de la superficie?’”, dice Boroushaki.

Después de eliminar un objeto, el robot vuelve a escanear la pila y utiliza nueva información para optimizar su estrategia.

resultados de recuperación

Este razonamiento, junto con el uso de señales de RF, le dio a FuseBot una ventaja sobre un sistema de última generación que solo usaba visión. El equipo realizó más de 180 pruebas experimentales utilizando brazos robóticos reales y montones de artículos para el hogar, como suministros de oficina, animales de peluche y ropa. Variaron el tamaño de las pilas y la cantidad de artículos con etiquetas RFID en cada pila.

FuseBot extrajo con éxito el objetivo el 95 % de las veces, en comparación con el 84 % del otro sistema robótico. Lo hizo con un 40 por ciento menos de movimientos y fue capaz de localizar y recuperar objetos objetivo más del doble de rápido.

“Vemos una gran mejora en la tasa de éxito con la integración de esta información de RF. También fue emocionante ver que pudimos igualar el rendimiento de nuestro sistema anterior y superarlo en escenarios donde el objeto de destino no tenía una etiqueta RFID», dice Dodds.

FuseBot podría aplicarse en una variedad de entornos porque el software que realiza su razonamiento complejo puede implementarse en cualquier computadora; solo necesita comunicarse con un brazo robótico que tiene una cámara y una antena, agrega Boroushaki.

En un futuro próximo, los investigadores planean integrar modelos más complejos en FuseBot para que funcione mejor en objetos deformables. Además, están interesados ​​en explorar diversas manipulaciones, como un brazo robótico que empuja objetos fuera del camino. Las iteraciones futuras del sistema también podrían usarse con un robot móvil que busca objetos perdidos en múltiples pilas.

Este trabajo fue financiado en parte por la Fundación Nacional de Ciencias, una beca de investigación Sloan, NTT DATA, Toppan, Toppan Forms y MIT Media Lab.

Related post

Tennis League VR para Quest podría ayudarte a mejorar tu juego

Tennis League VR para Quest podría ayudarte a mejorar…

Amor. Frase. realidad virtual Liga de tenis VR es una experiencia de tenis increíblemente genial que te ayudará a mejorar todo,…
IA para un mundo mejor

IA para un mundo mejor

En este artículo de opinión especial, Tobi Knaup, director ejecutivo de D2iQ, examina cómo la IA hará del mundo un lugar…
Lentes de contacto inteligentes para el diagnóstico y la prevención del cáncer

Lentes de contacto inteligentes para el diagnóstico y la…

12 de agosto de 2022 (Noticias de Nanowerk) Científicos del Instituto Terasaki para la Innovación Biomédica (TIBI) han desarrollado una lente…

Leave a Reply

Tu dirección de correo electrónico no será publicada.