人間にとって、アイテムの山の下に埋もれた紛失した財布を見つけるのは非常に簡単です -- 財布が見つかるまで山から物を取り除くだけです。 しかし、ロボットの場合、このタスクには山とその中の物体に関する複雑な推論が必要であり、非常に困難な課題となります。
MIT の研究者は以前、視覚情報と無線周波数 (RF) 信号を組み合わせて、RFID タグ (アンテナから送信された信号を反射する) でタグ付けされた隠されたオブジェクトを見つけるロボット アームを実証しました。 その作業を基に、彼らは現在、山に埋もれているあらゆるオブジェクトを効率的に回収できる新しいシステムを開発しました。 山の中のいくつかのアイテムが RFID タグを持っている限り、システムがそれを回収するために対象のアイテムにタグを付ける必要はありません。
FuseBot として知られるシステムの背後にあるアルゴリズムは、山の下にあるオブジェクトの推定位置と方向について推論します。 次に、FuseBot は、障害物を取り除き、ターゲット アイテムを抽出する最も効率的な方法を見つけます。 この理由により、FuseBot は、最先端のロボット工学システムよりも多くの隠しアイテムを半分の時間で見つけることができました。
この速度は、e コマースの倉庫で特に役立つ可能性があります。 返品処理を担当するロボットは、FuseBot システムを使用して、分類されていない山のアイテムをより効率的に見つけることができると、上席著者であり、電気工学およびコンピューター サイエンス学部の准教授であり、メディア ラボのシグナル キネティクス グループのディレクターである Fadel Adib 氏は述べています。
「この論文が初めて示したのは、RFIDタグ付きのアイテムが環境に存在するだけで、他のタスクをより効率的に達成することがはるかに容易になるということです。これを行うことができたのは、システムへのマルチモーダルな推論 -- FuseBot は、視覚と RF の両方について推論して、アイテムの山を理解できます」と Adib は付け加えます。
この論文でアディブに加わったのは、筆頭著者である研究助手のタラ・ボロシャキです。 ローラ・ドッズ; そしてナジシュ・ナイーム。 この研究は、Robotics: Science and Systems カンファレンスで発表されます。
ターゲティング タグ
最近の市場レポートによると、現在、米国の小売業者の 90% 以上が RFID タグを使用していますが、この技術は普遍的ではなく、山の中の一部のオブジェクトのみがタグ付けされている状況につながっています。
この問題は、グループの研究に影響を与えました。
FuseBot を使用すると、ロボット アームが取り付けられたビデオ カメラと RF アンテナを使用して、タグの付いていないターゲット アイテムを混在した山から取り出します。 システムはカメラで山をスキャンして、環境の 3D モデルを作成します。 同時に、アンテナから信号を送信して RFID タグの位置を特定します。 これらの電波はほとんどの固体表面を通過できるため、ロボットは山の奥深くまで「見る」ことができます。 対象のアイテムにはタグが付けられていないため、FuseBot はそのアイテムが RFID タグとまったく同じ場所に配置できないことを認識しています。
アルゴリズムはこの情報を融合して環境の 3D モデルを更新し、ターゲット アイテムの潜在的な位置を強調します。 ロボットは自分のサイズと形状を知っています。 次に、システムは積み上げられたオブジェクトと RFID タグの位置について推論し、最も移動の少ないターゲット アイテムを見つけることを目標として、どのアイテムを削除するかを決定します。
この推論をシステムに組み込むのは困難でした、とボロシャキは言います。
ロボットは、物体が山の下にどのように配置されているか、または重い物体が押し付けられてぐにゃぐにゃした物体がどのように変形するかを知りません。 この課題は、オブジェクトのサイズと形状、およびその RFID タグの位置について知っていることを使用して、オブジェクトが占有する可能性が高い 3D 空間をモデル化する確率論的推論によって克服されます。
アイテムを削除するとき、推論を使用して、次に削除するのに「最適」なアイテムを決定します。
「私が人間にアイテムの山を与えて探すと、おそらく最初に最大のアイテムを取り除き、その下に何があるかを確認します。ロボットが行うことは似ていますが、RFID 情報も組み込んで、より情報に基づいた決定を下します。 「このアイテムを表面から取り除くと、この山についてどれだけ理解できるでしょうか?」と尋ねます」とボロシャキは言います。
オブジェクトを取り除いた後、ロボットはその山を再度スキャンし、新しい情報を使用して戦略を最適化します。
検索結果
この理由付けと RF 信号の使用により、FuseBot は視覚のみを使用する最先端のシステムより優位に立つことができました。 チームは、実際のロボット アームと、事務用品、ぬいぐるみ、衣類などの家庭用品を積み上げて、180 以上の実験的試行を行いました。 彼らは、山のサイズと各山にあるRFIDタグ付きアイテムの数を変えました。
FuseBot は 95% の確率でターゲット アイテムの抽出に成功しましたが、他のロボット システムでは 84% でした。 40% 少ない移動でこれを達成し、2 倍以上の速さで対象のアイテムを見つけて取得することができました。
「このRF情報を組み込むことで、成功率が大幅に向上しました。また、以前のシステムのパフォーマンスに匹敵し、対象アイテムにRFIDがなかったシナリオでそれを超えることができたのもエキサイティングでした。タグ」とドッズは言います。
FuseBot は、その複雑な推論を実行するソフトウェアを任意のコンピューターに実装できるため、さまざまな設定に適用できます -- カメラとアンテナを備えたロボット アームと通信するだけで済みます、と Boroushaki 氏は付け加えます。
近い将来、研究者はより複雑なモデルを FuseBot に組み込み、変形可能なオブジェクトでのパフォーマンスを向上させることを計画しています。 それ以上に、彼らはさまざまな操作を探求することに興味を持っています。たとえば、アイテムを邪魔にならないように押し出すロボット アームなどです。 システムの将来の反復は、失われた物体を複数の山から探す移動ロボットでも使用できます。
この作品は、国立科学財団、スローン リサーチ フェローシップ、NTT データ、トッパン、トッパン フォームズ、および MIT メディア ラボによって部分的に資金提供されました。