Per als humans, trobar una cartera perduda enterrada sota una pila d'articles és bastant senzill -- simplement traiem coses de la pila fins que trobem la cartera. Però per a un robot, aquesta tasca implica un raonament complex sobre la pila i els objectes que hi ha, la qual cosa presenta un repte pronunciat.
Els investigadors del MIT van demostrar prèviament un braç robòtic que combina informació visual i senyals de radiofreqüència (RF) per trobar objectes ocults que estaven etiquetats amb etiquetes RFID (que reflecteixen els senyals enviats per una antena). A partir d'aquest treball, ara han desenvolupat un nou sistema que pot recuperar de manera eficient qualsevol objecte enterrat en una pila. Sempre que alguns articles de la pila tinguin etiquetes RFID, no cal etiquetar l'element objectiu perquè el sistema el recuperi.
Els algorismes darrere del sistema, coneguts com FuseBot, raonen sobre la probable ubicació i orientació dels objectes sota la pila. Aleshores, FuseBot troba la manera més eficient d'eliminar els objectes que obstrueixen i extreure l'element objectiu. Aquest raonament va permetre a FuseBot trobar més articles ocults que un sistema de robòtica d'última generació, en la meitat del temps.
Aquesta velocitat podria ser especialment útil en un magatzem de comerç electrònic. Un robot encarregat de processar les devolucions podria trobar articles en una pila sense classificar de manera més eficient amb el sistema FuseBot, diu l'autor principal Fadel Adib, professor associat al Departament d'Enginyeria Elèctrica i Ciències de la Informàtica i director del grup de Cinètica del Senyal al Media Lab.
"El que mostra aquest document, per primera vegada, és que la mera presència d'un article etiquetat amb RFID a l'entorn facilita molt la realització d'altres tasques d'una manera més eficient. Ho hem pogut fer perquè hem afegit raonament multimodal al sistema -- FuseBot pot raonar tant sobre la visió com la RF per entendre un munt d'elements", afegeix Adib.
S'uneixen a Adib en el document els assistents d'investigació Tara Boroushaki, que n'és l'autor principal; Laura Dodds; i Nazish Naeem. La investigació es presentarà a la conferència Robòtica: Ciència i Sistemes.
Etiquetes d'orientació
Un informe recent del mercat indica que més del 90 per cent dels minoristes nord-americans ara utilitzen etiquetes RFID, però la tecnologia no és universal, la qual cosa condueix a situacions en què només s'etiqueten alguns objectes dins de les piles.
Aquest problema va inspirar la recerca del grup.
Amb FuseBot, un braç robòtic utilitza una càmera de vídeo adjunta i una antena de RF per recuperar un element objectiu sense etiquetar d'una pila mixta. El sistema escaneja la pila amb la seva càmera per crear un model 3D de l'entorn. Simultàniament, envia senyals des de la seva antena per localitzar etiquetes RFID. Aquestes ones de ràdio poden travessar la majoria de superfícies sòlides, de manera que el robot pot "veure" profundament a la pila. Com que l'element objectiu no està etiquetat, FuseBot sap que l'element no es pot localitzar exactament al mateix lloc que una etiqueta RFID.
Els algorismes fusionen aquesta informació per actualitzar el model 3D de l'entorn i ressaltar les ubicacions potencials de l'element objectiu; el robot coneix la seva mida i forma. A continuació, el sistema raona sobre els objectes de la pila i les ubicacions de l'etiqueta RFID per determinar quin element eliminar, amb l'objectiu de trobar l'element objectiu amb menys moviments.
Va ser un repte incorporar aquest raonament al sistema, diu Boroushaki.
El robot no està segur de com s'orienten els objectes sota la pila, o de com es pot deformar un objecte esponjós per elements més pesats que hi prement. Supera aquest repte amb un raonament probabilístic, utilitzant el que sap sobre la mida i la forma d'un objecte i la seva ubicació de l'etiqueta RFID per modelar l'espai 3D que probablement ocuparà l'objecte.
A mesura que elimina elements, també fa servir el raonament per decidir quin element seria "millor" eliminar a continuació.
"Si dono a un ésser humà un munt d'elements per cercar, el més probable és que tregui primer l'element més gran per veure què hi ha a sota. El que fa el robot és similar, però també incorpora informació RFID per prendre una decisió més informada. pregunta: "Quant més entendrà sobre aquesta pila si elimina aquest element de la superfície?"", diu Boroushaki.
Després d'eliminar un objecte, el robot torna a escanejar la pila i utilitza informació nova per optimitzar la seva estratègia.
Resultats de la recuperació
Aquest raonament, així com el seu ús de senyals de RF, van donar a FuseBot un avantatge sobre un sistema d'última generació que només utilitzava visió. L'equip va realitzar més de 180 proves experimentals utilitzant braços i piles robòtiques reals amb articles per a la llar, com ara material d'oficina, animals de peluix i roba. Van variar les mides de les piles i el nombre d'articles etiquetats amb RFID a cada pila.
FuseBot va extreure l'element objectiu amb èxit el 95 per cent del temps, en comparació amb el 84 per cent de l'altre sistema robòtic. Ho va aconseguir fent servir un 40 per cent menys de moviments i va poder localitzar i recuperar els elements objectiu més del doble de ràpid.
"Veiem una gran millora en la taxa d'èxit mitjançant la incorporació d'aquesta informació de RF. També va ser emocionant veure que vam poder igualar el rendiment del nostre sistema anterior i superar-lo en escenaris on l'element objectiu no tenia RFID. etiqueta", diu Dodds.
FuseBot es pot aplicar en una varietat de configuracions perquè el programari que realitza el seu raonament complex es pot implementar en qualsevol ordinador -- que només necessiti per comunicar-se amb un braç robòtic que tingui una càmera i una antena, afegeix Boroushaki.
En un futur proper, els investigadors tenen previst incorporar models més complexos a FuseBot perquè funcioni millor en objectes deformables. Més enllà d'això, els interessa explorar diferents manipulacions, com ara un braç robòtic que allunya els elements del camí. Les futures iteracions del sistema també es podrien utilitzar amb un robot mòbil que cerqui en múltiples piles objectes perduts.
Aquest treball va ser finançat, en part, per la National Science Foundation, una beca de recerca Sloan, NTT DATA, Toppan, Toppan Forms i el MIT Media Lab.