射频识别系统有助于机器人抓住隐藏的物体
麻省理工学院的研究人员开发了一种机器人,该机器人使用可以穿过墙壁的无线电波来感应被遮挡的物体。这款名为RF-Grasp的机器人将这种强大的感应功能与更传统的计算机视觉相结合,可以定位和抓取原本可能无法看见的物品。这一进步可能有一天可以简化仓库中的电子商务实现,或者可以帮助一台机器从混乱的工具箱中拔出螺丝起子。这项研究将在5月的IEEE国际机器人与自动化会议上发表。该论文的主要作者是麻省理工学院媒体实验室Signal Kinetics小组的研究助理Tara Boroushaki。她的麻省理工学院合著者包括麻省理工学院副教授Fadel Adib,他是Signal Kinetics Group的主任。以及机械工程系的1957年级副教授Alberto Rodriguez。其他合著者包括哈佛大学的研究工程师Lengshan Leng和佐治亚理工大学的博士学位学生Ian Clester。您可以在此处阅读论文(PDF)。随着电子商务的不断发展,尽管有时存在危险的工作条件,但仓库工作通常仍然是人类的工作领域,而不是机器人。这部分是因为机器人在如此拥挤的环境中努力寻找并抓住物体。“知觉和采摘是当今行业的两个障碍,” Rodriguez说。仅凭光学视觉,机器人就无法感知包装在盒子中或藏在架子上另一个物体后面的物品的存在-可见光波当然不会穿过墙壁。但是无线电波可以。数十年来,射频(RF)识别已用于跟踪从图书馆书籍到宠物的所有事物。射频识别系统具有两个主要组件:阅读器和标签。标签是一个微型计算机芯片,可粘贴到要追踪的物品上(对于宠物,则植入其中)。然后,读取器发出一个RF信号,该信号被标签调制并反射回读取器。反射的信号提供有关标记物品的位置和身份的信息。该技术已在零售供应链中获得普及-日本的目标是在几年之内将RF跟踪用于几乎所有零售采购。研究人员意识到,RF的大量涌现对机器人来说是福音,这给了他们另一种感知模式。Rodriguez说:“ RF是一种与视觉不同的传感方式。” “不探究射频能做什么是一个错误。”RF Grasp使用摄像头和RF阅读器来查找和抓取带标签的对象,即使它们被完全挡住了摄像头的视线也是如此。它由附着在抓手上的机械臂组成。相机坐在机器人的手腕上。 RF阅读器独立于机器人而站立,并将跟踪信息中继到机器人的控制算法。因此,机器人不断收集RF跟踪数据和其周围环境的视觉图像。将这两个数据流集成到机器人的决策中,是研究人员面临的*大挑战之一。“机器人必须在每个时间点决定考虑哪些流更重要,” Boroushaki说。 “这不仅是眼手协调,还是RF眼手协调。因此,问题变得非常复杂。”机器人通过对目标对象的RF标签执行ping操作以了解其下落,从而启动了搜索过程。 “首先要使用RF来集中视觉的注意力,” Adib说。 “然后,您就可以使用视觉来进行精细的操纵。”序列类似于从后面听到警笛,然后转向看清楚警笛声源。凭借其两种互补感,RF Grasp在目标物体上归零。随着距离越来越近,甚至开始操纵物品,提供比RF更好的细节的视觉控制了机器人的决策。RF Grasp在一系列测试中证明了其效率。与仅配备摄像头的类似机器人相比,RF Grasp能够以大约一半的总运动量精确定位并抓住其目标对象。此外,RF Grasp还具有“整理”环境的独特能力-清除包装材料和其他障碍物以接近目标。罗德里格斯(Rodriguez)表示,这证明了RF Grasp与不具有穿透性RF感应的机器人相比具有“不公平的优势”。 “它具有其他系统根本没有的指导。”RF Grasp可以有一天在打包的电子商务仓库中执行任务。它的RF感应甚至可以立即验证物品的身份,而无需操纵该物品,暴露其条形码然后进行扫描。 Rodriguez说:“ RF有可能改善行业中的某些局限性,尤其是在感知和本地化方面。”Adib还设想了该机器人的潜在家庭应用,例如找到合适的内六角扳手来组装宜家椅子。 “或者您可以想象机器人会发现丢失的物品。就像超级Roomba一样,无论我把钥匙放在哪里,它都能取回我的钥匙。”