Usamos cookies. Más información  aquí Aceptar

La inteligencia artificial que puede ver bajo tierra


Blog sobre Inteligencia Artificial

Robot supera la incertidumbre para recuperar objetos enterrados

Este sistema robótico utiliza señales de radiofrecuencia, visión por computadora y razonamiento complejo para encontrar de manera eficiente elementos escondidos debajo de una pila

Etiquetas de orientación


Un informe de mercado reciente indica que más del 90 por ciento de los minoristas de EE. UU. ahora usan etiquetas RFID, pero la tecnología no es universal, lo que lleva a situaciones en las que solo se etiquetan algunos objetos dentro de las pilas.


Este problema inspiró la investigación del grupo.


Con FuseBot, un brazo robótico utiliza una cámara de video adjunta y una antena de RF para recuperar un elemento de destino sin etiquetar de una pila mixta. El sistema escanea la pila con su cámara para crear un modelo 3D del entorno. Simultáneamente, envía señales desde su antena para localizar etiquetas RFID. Estas ondas de radio pueden atravesar la mayoría de las superficies sólidas, por lo que el robot puede "ver" en lo profundo de la pila. Dado que el artículo de destino no está etiquetado, FuseBot sabe que el artículo no se puede ubicar exactamente en el mismo lugar que una etiqueta RFID.


Los algoritmos fusionan esta información para actualizar el modelo 3D del entorno y resaltar las posibles ubicaciones del elemento de destino; el robot conoce su tamaño y forma. Luego, el sistema razona sobre los objetos en la pila y las ubicaciones de las etiquetas RFID para determinar qué artículo eliminar, con el objetivo de encontrar el artículo objetivo con la menor cantidad de movimientos.


Fue un reto incorporar este razonamiento en el sistema, dice Boroushaki.


El robot no está seguro de cómo se orientan los objetos debajo de la pila, o cómo un elemento blando puede deformarse al presionarlo elementos más pesados. Supera este desafío con razonamiento probabilístico, utilizando lo que sabe sobre el tamaño y la forma de un objeto y la ubicación de su etiqueta RFID para modelar el espacio 3D que probablemente ocupará ese objeto.


A medida que elimina elementos, también usa el razonamiento para decidir qué elemento sería "mejor" para eliminar a continuación.


“Si le doy a un ser humano una pila de elementos para buscar, lo más probable es que eliminen primero el elemento más grande para ver qué hay debajo. Lo que hace el robot es similar, pero también incorpora información RFID para tomar una decisión más informada. Pregunta: '¿Cuánto más entenderá sobre esta pila si elimina este elemento de la superficie?'”, Dice Boroushaki.


Después de eliminar un objeto, el robot vuelve a escanear la pila y utiliza nueva información para optimizar su estrategia.


Resultados de recuperación


Este razonamiento, así como su uso de señales de RF, le dio a FuseBot una ventaja sobre un sistema de última generación que solo usaba visión. El equipo realizó más de 180 pruebas experimentales con brazos robóticos reales y montones de artículos para el hogar, como suministros de oficina, animales de peluche y ropa. Variaron los tamaños de las pilas y la cantidad de artículos con etiquetas RFID en cada pila.


FuseBot extrajo con éxito el elemento de destino el 95 % de las veces, en comparación con el 84 % del otro sistema robótico. Logró esto utilizando un 40 por ciento menos de movimientos y pudo ubicar y recuperar elementos específicos más del doble de rápido.


“Vemos una gran mejora en la tasa de éxito al incorporar esta información de RF. También fue emocionante ver que pudimos igualar el rendimiento de nuestro sistema anterior y superarlo en escenarios en los que el artículo objetivo no tenía una etiqueta RFID”, dice Dodds.


FuseBot podría aplicarse en una variedad de entornos porque el software que realiza su razonamiento complejo puede implementarse en cualquier computadora; solo necesita comunicarse con un brazo robótico que tiene una cámara y una antena, agrega Boroushaki.


En un futuro cercano, los investigadores planean incorporar modelos más complejos en FuseBot para que funcione mejor en objetos deformables. Más allá de eso, están interesados ??en explorar diferentes manipulaciones, como un brazo robótico que empuja objetos fuera del camino. Las iteraciones futuras del sistema también podrían usarse con un robot móvil que busca objetos perdidos en múltiples pilas.


“Creo que el trabajo es muy emocionante en muchos sentidos y demuestra el potencial de integrar estrechamente algunos de los avances en las tecnologías de señales inalámbricas con la robótica. Por ejemplo, una observación clave sobre la que se basa el papel es que, a diferencia de la luz visible y el infrarrojo, las señales de RF pueden atravesar materiales estándar como cartón, madera y plástico. El documento aprovecha aún más esta observación para abordar problemas muy difíciles en robótica para los cuales los sensores más convencionales son muy limitados, como la búsqueda de objetos en el desorden”, dice Stephanie Gil, profesora asistente de ciencias de la computación en la Escuela de Harvard John A. Paulson. Ingeniería y Ciencias Aplicadas, quien no participó en esta investigación. “El documento va más allá para avanzar en el uso de señales de RF en robótica de última generación al considerar también el caso muy difícil de buscar elementos sin etiquetar en el desorden. En general, el documento muestra la gran promesa de integrar tecnologías de comunicación inalámbrica para tareas de detección y percepción en robótica y proporciona una perspectiva muy emocionante para la robótica bajo esta lente”.


Solicítanos ahora tu presupuesto para proyecto de Inteligencia Artificial, lo recibirás en un plazo de 48h hábiles.


Este artículo ha sido elaborado tomando el MIT como fuente.

09/08/2022, Overstand

 5(273 )



Pídenos presupuesto para desarrollar tu proyecto de Inteligencia Artificial y Machine Learning en Barcelona

Confía en nosotros como partners de proyectos AI/ML

captcha security