您现在的位置是:首页 >人工智能 > 2022-07-04 17:09:53 来源:

机器人克服不确定性找回埋藏物体

导读 对于人类来说,找到埋在一堆物品下的丢失钱包非常简单——我们只需从一堆东西中取出东西,直到找到钱包。但对于机器人来说,这项任务涉及对

对于人类来说,找到埋在一堆物品下的丢失钱包非常简单——我们只需从一堆东西中取出东西,直到找到钱包。但对于机器人来说,这项任务涉及对堆和其中的物体进行复杂的推理,这是一项艰巨的挑战。

麻省理工学院的研究人员此前展示了一种 机械臂,该机械臂 结合了视觉信息和射频 (RF) 信号,可以找到带有 RFID 标签(反映天线发送的信号)的隐藏物体。在这项工作的基础上,他们现在开发了一种新系统,可以有效地检索埋在一堆中的任何物体。只要堆中的一些物品有 RFID 标签,目标物品就不需要被贴上标签,系统就可以恢复它。

该系统背后的算法称为 FuseBot,用于推断桩下物体的可能位置和方向。然后 FuseBot 找到最有效的方法来移除障碍物并提取目标项目。这种推理使 FuseBot 能够在一半的时间内找到比最先进的机器人系统更多的隐藏物品。

这种速度在电子商务仓库中可能特别有用。负责处理退货的机器人可以使用 FuseBot 系统更有效地在未分类的堆中找到物品,资深作者、电气工程和计算机科学系副教授、媒体实验室信号动力学组主任 Fadel Adib 说。

“本文首次表明,仅在环境中存在带有 RFID 标签的物品就可以让您更轻松地以更有效的方式完成其他任务。我们之所以能够做到这一点,是因为我们在系统中添加了多模式推理——FuseBot 可以推理视觉和射频来理解一堆项目,”Adib 补充道。

与Adib 一起 撰写论文 的是研究助理 Tara Boroushaki,他是第一作者;劳拉·多兹;和纳兹纳伊姆。该研究将在机器人:科学与系统会议上发表。

定位标签

最近的 一份市场报告 表明,超过 90% 的零售商现在使用 RFID 标签,但该技术并不普遍,导致只有一堆堆内的一些物品被贴上标签。

这个问题激发了该小组的研究。

借助 FuseBot,机械臂使用附加的摄像机和射频天线从混合堆中检索未标记的目标物品。该系统使用其相机扫描桩以创建环境的 3D 模型。同时,它从天线发送信号以定位 RFID 标签。这些无线电波可以穿过大多数固体表面,因此机器人可以“看到”堆的深处。由于没有标记目标物品,FuseBot 知道该物品不能与 RFID 标签位于完全相同的位置。

算法融合这些信息来更新环境的 3D 模型并突出目标项目的潜在位置;机器人知道它的大小和形状。然后系统推断堆中的物体和 RFID 标签位置,以确定要移除的物品,目标是找到移动最少的目标物品。

Boroushaki 说,将这种推理融入系统是一项挑战。

机器人不确定物体在堆下的方向,或者柔软的物体如何被更重的物体压在上面变形。它通过概率推理克服了这一挑战,使用它所知道的对象的大小和形状及其 RFID 标签位置来模拟对象可能占据的 3D 空间。

在删除项目时,它还使用推理来决定下一个“最好”删除的项目。

“如果我让一个人搜索一堆物品,他们很可能会先移除最大的物品,看看下面有什么。机器人的工作与此类似,但它还结合了 RFID 信息以做出更明智的决定。它问,'如果它从表面移除这个物品,它会对这个堆了解多少?'“Boroushaki 说。

移除物体后,机器人会再次扫描堆并使用新信息优化其策略。

检索结果

这种推理,以及它对射频信号的使用,使 FuseBot 比仅使用视觉的最先进系统更具优势。该团队使用真正的机械臂进行了 180 多项实验试验,并使用办公用品、毛绒玩具和衣服等家居用品堆放。他们改变了堆的大小和每堆中带有 RFID 标记的物品的数量。

FuseBot 成功提取目标项目的成功率为 95%,而其他机器人系统的成功率为 84%。它通过减少 40% 的移动来实现这一目标,并且能够以两倍以上的速度定位和检索目标物品。

“通过整合这些射频信息,我们看到成功率有了很大提高。同样令人兴奋的是,我们能够与之前系统的性能相媲美,并在目标物品没有 RFID 标签的情况下超越它,”Dodds 说。

Boroushaki 补充说,FuseBot 可以应用于各种设置,因为执行其复杂推理的软件可以在任何计算机上实现——它只需要与具有摄像头和天线的机械臂通信。

在不久的将来,研究人员计划将更复杂的模型整合到 FuseBot 中,以便它在可变形物体上表现更好。除此之外,他们还对探索不同的操作很感兴趣,例如将物品推开的机械臂。该系统的未来迭代还可以与移动机器人一起使用,该机器人可以搜索多堆丢失的物体。

“我认为这项工作在很多方面都非常令人兴奋,并展示了将无线信号技术的一些进步与机器人技术紧密结合的潜力。例如,本文建立的一个关键观察结果是,与可见光和红外线不同,RF 信号可以通过标准材料,如纸板、木材和塑料。该论文进一步利用这一观察结果来解决机器人技术中非常困难的问题,这些问题更传统的传感器非常有限,例如在杂乱中寻找物体,”哈佛大学约翰·A·保尔森学院计算机科学助理教授斯蒂芬妮·吉尔说工程和应用科学,谁没有参与这项研究。“该论文进一步推进了在机器人技术中使用射频信号的最新技术,还考虑了在杂乱中搜索未标记物品的非常困难的情况。总体而言,该论文展示了将无线通信技术集成到机器人传感和感知任务中的巨大前景,并为在这个镜头下的机器人技术提供了一个非常令人兴奋的前景。”