一個忙碌的通勤者準(zhǔn)備走出門，卻發(fā)現(xiàn)他們把鑰匙放錯了地方，必須在成堆的東西中搜索才能找到它們。他們快速篩選雜物，希望能找出哪一堆藏著鑰匙。

麻省理工學(xué)院的研究人員已經(jīng)創(chuàng)建了一個可以做到這一點(diǎn)的機(jī)器人系統(tǒng)。該系統(tǒng) RFusion 是一個機(jī)械臂，其抓手上裝有攝像頭和射頻 (RF) 天線。它將來自天線的信號與來自攝像機(jī)的視覺輸入融合，以定位和檢索物品，即使物品被埋在一堆下面并且完全看不見。

研究人員開發(fā)的 RFusion 原型依賴于 RFID 標(biāo)簽，這是一種廉價、無電池的標(biāo)簽，可以粘在物品上并反射天線發(fā)送的信號。由于 RF 信號可以穿過大多數(shù)表面(例如可能會遮擋鑰匙的臟衣服堆)，因此 RFusion 能夠定位一堆中的標(biāo)記物品。

使用機(jī)器學(xué)習(xí)，機(jī)械臂自動將物體的準(zhǔn)確位置歸零，將物品移到上面，抓住物體，并驗(yàn)證它是否撿到了正確的東西。攝像頭、天線、機(jī)械臂和 AI 完全集成，因此 RFusion 可以在任何環(huán)境下工作，無需特殊設(shè)置。

雖然找到丟失的鑰匙很有幫助，但 RFusion 在未來可能會有更廣泛的應(yīng)用，比如整理堆以完成倉庫中的訂單，在汽車制造廠識別和安裝組件，或者幫助老人在家中執(zhí)行日常任務(wù)，盡管當(dāng)前的原型對于這些用途來說還不夠快。

“能夠在混亂的世界中找到物品的想法是我們多年來一直在努力解決的一個懸而未決的問題。擁有能夠在一堆東西下搜索物品的機(jī)器人是當(dāng)今行業(yè)日益增長的需求。對現(xiàn)在，您可以將其視為使用類固醇的 Roomba，但在短期內(nèi)，這可能會在制造和倉庫環(huán)境中得到大量應(yīng)用，”資深作者、電氣工程和計(jì)算機(jī)科學(xué)系副教授 Fadel Adib 說。麻省理工學(xué)院媒體實(shí)驗(yàn)室信號動力學(xué)組主任。

共同作者包括研究助理 Tara Boroushaki，主要作者;電氣工程和計(jì)算機(jī)科學(xué)研究生 Isaac Perper;研究助理 Mergen Nachin;和 Alberto Rodriguez，機(jī)械工程系 1957 屆副教授。這項(xiàng)研究將在下個月的嵌入式網(wǎng)絡(luò)傳感器系統(tǒng)計(jì)算機(jī)協(xié)會會議上發(fā)表。

在這段視頻中，機(jī)械臂正在尋找隱藏在物品下面的鑰匙。圖片來源：麻省理工學(xué)院

發(fā)送信號

RFusion 開始使用其天線搜索物體，天線從 RFID 標(biāo)簽反射信號(如陽光從鏡子反射)以識別標(biāo)簽所在的球形區(qū)域。它將該球體與相機(jī)輸入相結(jié)合，從而縮小了對象的位置。例如，該項(xiàng)目不能位于空的表區(qū)域上。

但是，一旦機(jī)器人對物品的位置有了大致的了解，它就需要在房間周圍廣泛擺動手臂，進(jìn)行額外的測量以得出準(zhǔn)確的位置，這是緩慢且低效的。

研究人員使用強(qiáng)化學(xué)習(xí)來訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)，可以優(yōu)化機(jī)器人到物體的軌跡。在強(qiáng)化學(xué)習(xí)中，算法通過反復(fù)試驗(yàn)和獎勵系統(tǒng)進(jìn)行訓(xùn)練。

“這也是我們的大腦學(xué)習(xí)的方式。我們從老師、父母、電腦游戲等那里得到獎勵。強(qiáng)化學(xué)習(xí)中也會發(fā)生同樣的事情。我們讓智能體犯錯或做正確的事情，然后我們懲罰或獎勵網(wǎng)絡(luò)。這就是網(wǎng)絡(luò)如何學(xué)習(xí)很難建模的東西，”Boroushaki 解釋道。

在 RFusion 的情況下，當(dāng)優(yōu)化算法限制了定位項(xiàng)目所需的移動次數(shù)以及拾取項(xiàng)目所需的移動距離時，它就會得到獎勵。

一旦系統(tǒng)識別出正確的位置，神經(jīng)網(wǎng)絡(luò)就會使用組合的射頻和視覺信息來預(yù)測機(jī)械臂應(yīng)該如何抓取物體，包括手的角度和抓手的寬度，以及是否必須先移除其他物品. 它還最后一次掃描物品的標(biāo)簽，以確保它拾取了正確的物體。

“我們讓代理犯錯或做正確的事情，然后我們懲罰或獎勵網(wǎng)絡(luò)。這就是網(wǎng)絡(luò)如何學(xué)習(xí)很難建模的東西，”合著者 Tara Boroushaki(如圖所示)解釋道。圖片來源：麻省理工學(xué)院

切割雜亂

研究人員在幾種不同的環(huán)境中測試了 RFusion。他們把鑰匙鏈埋在一個雜亂無章的盒子里，把遙控器藏在沙發(fā)上的一堆物品下面。

但是，如果他們將所有相機(jī)數(shù)據(jù)和 RF 測量值提供給強(qiáng)化學(xué)習(xí)算法，系統(tǒng)就會不堪重負(fù)。因此，利用 GPS 用于整合來自衛(wèi)星的數(shù)據(jù)的方法，他們總結(jié)了 RF 測量結(jié)果并將視覺數(shù)據(jù)限制在機(jī)器人正前方的區(qū)域。

他們的方法效果很好——RFusion 在檢索完全隱藏在一堆下的物體時的成功率為 96%。

“有時，如果你只依賴射頻測量，就會出現(xiàn)異常值，如果你只依賴視覺，有時相機(jī)會出錯。但如果你把它們結(jié)合起來，它們就會得到糾正” Boroushaki 說。

未來，研究人員希望提高系統(tǒng)的速度，使其能夠平穩(wěn)移動，而不是定期停下來進(jìn)行測量。這將使 RFusion 能夠部署在快節(jié)奏的制造或倉庫環(huán)境中。

Boroushaki 說，除了其潛在的工業(yè)用途外，這樣的系統(tǒng)甚至可以融入未來的智能家居中，以幫助人們完成任何數(shù)量的家務(wù)。

“每年都有數(shù)十億個 RFID 標(biāo)簽用于識別當(dāng)今復(fù)雜供應(yīng)鏈中的物品，包括服裝和許多其他消費(fèi)品。RFusion 方法為自主機(jī)器人指明了道路，該機(jī)器人可以挖掘一堆混合物品并將其分類使用存儲在 RFID 標(biāo)簽中的數(shù)據(jù)，比單獨(dú)檢查每件物品更有效，尤其是當(dāng)物品看起來類似于計(jì)算機(jī)視覺系統(tǒng)時，”CoMotion 創(chuàng)新研究員兼電氣和計(jì)算機(jī)副教授 Matthew S. Reynolds 說華盛頓大學(xué)的工程學(xué)博士，他沒有參與這項(xiàng)研究。“對于在復(fù)雜供應(yīng)鏈中運(yùn)行的機(jī)器人技術(shù)來說，RFusion 方法是向前邁出的一大步，在這些供應(yīng)鏈中，識別和‘揀選’

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！