В последние годы роботы приобрели искусственное зрение, осязание и даже обоняние. “Исследователи дали роботам человеческое восприятие”, — говорит доцент Массачусетского технологического института Фадель Адиб (Fadel Adib). Теперь команда ученых под его руководством продвигает эту технологию еще на один шаг вперед. “Мы пытаемся дать роботам сверхчеловеческое восприятие», — заявляет он.
Исследователи разработали робота, использующего радиоволны, которые могут проходить через стены, чтобы чувствовать окклюзированные объекты. Робот, называемый RF-Grasp, сочетает в себе это мощное восприятие с более традиционным компьютерным зрением, чтобы находить и захватывать предметы, которые в противном случае могли бы быть заблокированы вне поля зрения. Однажды он сможет упростить комплектацию на складах или помочь машине вытащить отвертку из беспорядочного набора инструментов.
Результаты исследования будут представлены в мае на международной конференции IEEE по робототехнике и автоматизации. Ведущий автор статьи — Тара Бороушаки (Tara Boroushaki), научный сотрудник группы кинетики сигналов в медиа-лаборатории Массачусетского технологического института. Среди ее соавторов в Массачусетском технологическом институте — Адиб, директор группы кинетики сигналов, и Альберто Родригес (Alberto Rodriguez), адъюнкт-профессор кафедры машиностроения. Среди других соавторов — Цзюньшань Ленг (Junshan Leng), инженер-исследователь Гарвардского университета, и Ян Клестер (Ian Clester), аспирант технологического института Джорджии.
Электронная коммерция продолжает развиваться, но складская работа по-прежнему остается сферой деятельности людей, а не роботов, несмотря на иногда опасные условия труда. Отчасти это связано с тем, что роботы не всегда могут найти и схватить объекты в такой сложной среде. “Восприятие и выбор — это два блокиратора в индустрии сегодня”, — уверен г-н Родригес. Используя только оптическое зрение, роботы не могут ощутить присутствие предмета, упакованного в коробку или спрятанного за другим предметом на полке, — видимые световые волны, конечно, не проходят сквозь стены.
Но радиоволны могут.
На протяжении десятилетий радиочастотная идентификация (RF) использовалась для отслеживания всего — от библиотечных книг до домашних животных. Системы радиочастотной идентификации состоят из двух основных компонентов: считывателя и метки. Метка — это крошечный компьютерный чип, он прикрепляется к предмету, который нужно отслеживать, или, в случае домашних животных, имплантируется. Затем считыватель излучает радиочастотный сигнал, который модулируется меткой и отражается обратно на считыватель.
Отраженный сигнал дает информацию о местоположении и идентичности помеченного элемента. Эта технология приобрела популярность в розничных цепочках поставок — Япония намерена ввести радиочастотный трекинг почти для всех розничных покупок в течение нескольких лет. Исследователи поняли, что такое изобилие радиочастот может стать благом для роботов, давая им другой способ восприятия.
“РЧ — это совершенно другой способ восприятия, чем зрение, — объясняет Родригес. — Было бы ошибкой не исследовать то, что может сделать РЧ.”
RF Grasp использует как камеру, так и RF-считыватель для поиска и захвата помеченных объектов, даже если они полностью заблокированы для поля зрения камеры. Он состоит из роботизированной антенны, прикрепленной к хватательной руке. Камера сидит на запястье робота. Радиочастотный считыватель стоит независимо от робота и передает отслеженную информацию алгоритму управления роботом. Таким образом, робот постоянно собирает как данные радиочастотного слежения, так и визуальную картину своего окружения. Интеграция этих двух потоков данных в процесс принятия решений роботом стала одной из самых больших проблем, с которыми столкнулись исследователи.
“Робот должен решить, в каждый момент времени, какой из этих потоков важнее, — говорит г-жа Бороушаки. — Это не просто зрительно-моторная координация, а радиочастотная зрительно-моторная. Таким образом, проблема становится очень сложной”.
Робот инициирует процесс поиска и захвата, пингуя радиочастотную метку целевого объекта, чтобы определить его местонахождение. “Он начинает с использования радиочастоты для фокусировки зрения, — говорит Адиб. — И применяет зрение, чтобы ориентироваться в тонких маневрах”. Эта последовательность сродни тому, как если бы вы услышали вой сирены сзади, а затем повернулись, чтобы посмотреть и получить более четкое представление об источнике звука.
С его двумя взаимодополняющими чувствами RF сужает круги вокруг целевого объекта. По мере того, как он приближается и даже начинает манипулировать предметом, видение, которое обеспечивает гораздо более тонкие детали, чем РЧ, доминирует в принятии решений робота.
Радиочастотный захват доказал свою эффективность в серии испытаний. По сравнению с аналогичным роботом, оснащенным только камерой, RF Graph был способен точно определить и захватить свой целевой объект примерно в половине случаев. Кроме того, RF Grasp продемонстрировал уникальную способность “рассекать” окружающую среду — удалять упаковочные материалы и другие препятствия на своем пути, чтобы получить доступ к цели. Родригес говорит, что это демонстрирует “кардинальное преимущество” RF-Grasp над роботами без проникающего радиочастотного зондирования. “У него есть это руководство, которого нет у других систем”.
RF-Grasp способен в один прекрасный день взять на себя комплектовку заказа на упаковочных складах электронной коммерции. Его радиочастотное зондирование помогает мгновенно опознать предмет без необходимости манипулировать им, выставлять его штрих-код, а затем сканировать. “У него есть потенциал для улучшения некоторых из этих ограничений в промышленности, особенно в восприятии и локализации”, — сообщает г-н Родригес.
Г-н Адиб также рассматривает потенциал домашнего применения для робота, например поиск правильного шестигранного ключа для сборки вашего стула Ikea. «Или вы можете представить себе, как робот находит потерянные вещи. Это как супер-Roomba, который идет и забирает мои ключи, куда бы я их ни положил”.
Исследование спонсируется Национальным научным фондом, NTT DATA, Toppan, Toppan Forms и Лабораторией водных и пищевых систем Абдула Латифа Джамиля (J-WAFS).
Источник: https://news.mit.edu/2021/robot-senses-hidden-objects-0401