機器人克服不確定性找回埋藏物體

對于人類來說，找到埋在一堆物品下的丟失錢包非常簡單——我們只需從一堆東西中取出東西，直到找到錢包。但對于機器人來說，這項任務涉及對堆和其中的物體進行復雜的推理，這是一項艱巨的挑戰。

麻省理工學院的研究人員之前展示了一種機械臂，它結合了視覺信息和射頻(RF)信號，以找到帶有RFID標簽(反射天線發送的信號)標記的隱藏物體。在這項工作的基礎上，他們現在開發了一種新系統，可以有效地檢索埋在一堆中的任何物體。只要堆中的一些物品有RFID標簽，目標物品就不需要被貼上標簽，系統就可以恢復它。

該系統背后的算法稱為FuseBot，用于推斷樁下物體的可能位置和方向。然后FuseBot找到最有效的方法來移除障礙物并提取目標項目。這種推理使FuseBot能夠在一半的時間內找到比最先進的機器人系統更多的隱藏物品。

這種速度在電子商務倉庫中可能特別有用。負責處理退貨的機器人可以使用FuseBot系統更有效地在未分類的堆中找到物品，資深作者、電氣工程和計算機科學系副教授、媒體實驗室信號動力學組主任FadelAdib說。

“本文首次表明，環境中僅存在帶有RFID標簽的物品就可以讓您更輕松地以更有效的方式完成其他任務。我們之所以能夠做到這一點，是因為我們添加了系統的多模式推理——FuseBot可以推理視覺和射頻來理解一堆項目，”Adib補充道。

與Adib一起撰寫論文的是研究助理TaraBoroushaki，他是第一作者;勞拉·多茲;和納茲納伊姆。該研究將在機器人：科學與系統會議上發表。

定位標簽

最近的一份市場報告表明，超過90%的零售商現在使用RFID標簽，但該技術并不普遍，導致只有一堆堆內的一些物品被貼上標簽。

這個問題激發了該小組的研究。

借助FuseBot，機械臂使用附加的攝像機和射頻天線從混合堆中檢索未標記的目標物品。該系統使用其相機掃描樁以創建環境的3D模型。同時，它從天線發送信號以定位RFID標簽。這些無線電波可以穿過大多數固體表面，因此機器人可以“看到”堆的深處。由于沒有標記目標物品，FuseBot知道該物品不能與RFID標簽位于完全相同的位置。

算法融合這些信息來更新環境的3D模型并突出目標項目的潛在位置;機器人知道它的大小和形狀。然后系統推斷堆中的物體和RFID標簽位置，以確定要移除的物品，目標是找到移動最少的目標物品。

Boroushaki說，將這種推理融入系統是一項挑戰。

機器人不確定物體在堆下的方向，或者柔軟的物體如何被更重的物體壓在上面變形。它通過概率推理克服了這一挑戰，使用它所知道的對象的大小和形狀及其RFID標簽位置來模擬對象可能占據的3D空間。

該機器人系統使用射頻信號、計算機視覺和復雜的推理來有效地找到隱藏在一堆之下的物品。圖片來源：麻省理工學院媒體實驗室JamesDay

在刪除項目時，它還使用推理來決定下一個“最好”刪除的項目。

“如果我讓人類搜索一堆物品，他們很可能會先取出最大的物品，看看下面有什么。機器人所做的與此類似，但它還結合了RFID信息，以便做出更明智的決定。它問道，“如果它從表面移除這個物品，它對這堆東西的了解會更多嗎?'”Boroushaki說。

移除物體后，機器人會再次掃描堆并使用新信息優化其策略。

檢索結果

這種推理，以及它對射頻信號的使用，使FuseBot比僅使用視覺的最先進系統更具優勢。該團隊使用真正的機械臂和一堆家用物品(如辦公用品、毛絨玩具和衣服)進行了180多項實驗試驗。他們改變了堆的大小和每堆中帶有RFID標記的物品的數量。

FuseBot成功提取目標項目的成功率為95%，而其他機器人系統的成功率為84%。它通過減少40%的移動來實現這一目標，并且能夠以兩倍以上的速度定位和檢索目標物品。

“我們看到成功率有了很大提高。看到我們能夠與之前系統的性能相匹配，并在目標物品沒有RFID的情況下超越它，這也令人興奮。標簽，”多茲說。

Boroushaki補充說，FuseBot可以應用于各種設置，因為執行其復雜推理的軟件可以在任何計算機上實現——它只需要與具有攝像頭和天線的機械臂通信。

在不久的將來，研究人員計劃將更復雜的模型整合到FuseBot中，以便它在可變形物體上表現更好。除此之外，他們還對探索不同的操作很感興趣，例如將物品推開的機械臂。該系統的未來迭代還可以與移動機器人一起使用，該機器人可以搜索多堆丟失的物體。