Para humanos, encontrar uma carteira perdida enterrada sob uma pilha de itens é bastante simples -- simplesmente removemos as coisas da pilha até encontrarmos a carteira. Mas para um robô, essa tarefa envolve raciocínio complexo sobre a pilha e os objetos nela, o que representa um grande desafio.
Pesquisadores do MIT demonstraram anteriormente um braço robótico que combina informações visuais e sinais de radiofrequência (RF) para encontrar objetos escondidos que foram marcados com etiquetas RFID (que refletem os sinais enviados por uma antena). Com base nesse trabalho, eles agora desenvolveram um novo sistema que pode recuperar com eficiência qualquer objeto enterrado em uma pilha. Desde que alguns itens da pilha tenham etiquetas RFID, o item alvo não precisa ser etiquetado para que o sistema o recupere.
Os algoritmos por trás do sistema, conhecidos como FuseBot, raciocinam sobre a provável localização e orientação dos objetos sob a pilha. Em seguida, o FuseBot encontra a maneira mais eficiente de remover objetos obstrutivos e extrair o item de destino. Esse raciocínio permitiu ao FuseBot encontrar mais itens ocultos do que um sistema robótico de última geração, na metade do tempo.
Essa velocidade pode ser especialmente útil em um armazém de comércio eletrônico. Um robô encarregado de processar retornos poderia encontrar itens em uma pilha não classificada com mais eficiência com o sistema FuseBot, diz o autor sênior Fadel Adib, professor associado do Departamento de Engenharia Elétrica e Ciência da Computação e diretor do grupo Signal Kinetics no Media Lab.
"O que este artigo mostra, pela primeira vez, é que a mera presença de um item com etiqueta RFID no ambiente torna muito mais fácil para você realizar outras tarefas de maneira mais eficiente. Conseguimos fazer isso porque adicionamos raciocínio multimodal para o sistema -- O FuseBot pode raciocinar sobre visão e RF para entender uma pilha de itens", acrescenta Adib.
Juntando-se a Adib no artigo estão os assistentes de pesquisa Tara Boroushaki, que é o autor principal; Laura Dodds; e Nazis Naeem. A pesquisa será apresentada na conferência Robotics: Science and Systems.
Tags de segmentação
Um relatório de mercado recente indica que mais de 90 por cento dos varejistas dos EUA agora usam etiquetas RFID, mas a tecnologia não é universal, levando a situações em que apenas alguns objetos dentro das pilhas são etiquetados.
Esse problema inspirou a pesquisa do grupo.
Com o FuseBot, um braço robótico usa uma câmera de vídeo conectada e uma antena de RF para recuperar um item alvo não marcado de uma pilha mista. O sistema escaneia a pilha com sua câmera para criar um modelo 3D do ambiente. Simultaneamente, ele envia sinais de sua antena para localizar tags RFID. Essas ondas de rádio podem passar pela maioria das superfícies sólidas, de modo que o robô pode "ver" profundamente na pilha. Como o item de destino não está marcado, o FuseBot sabe que o item não pode ser localizado exatamente no mesmo local que uma etiqueta RFID.
Algoritmos fundem essas informações para atualizar o modelo 3D do ambiente e destacar possíveis localizações do item alvo; o robô conhece seu tamanho e forma. Em seguida, o sistema raciocina sobre os objetos na pilha e as localizações das etiquetas RFID para determinar qual item remover, com o objetivo de encontrar o item alvo com o menor número de movimentos.
Foi um desafio incorporar esse raciocínio ao sistema, diz Boroushaki.
O robô não tem certeza de como os objetos são orientados sob a pilha, ou como um item macio pode ser deformado por itens mais pesados pressionados sobre ele. Ele supera esse desafio com raciocínio probabilístico, usando o que sabe sobre o tamanho e a forma de um objeto e sua localização de tag RFID para modelar o espaço 3D que esse objeto provavelmente ocupará.
À medida que remove itens, também usa o raciocínio para decidir qual item seria "melhor" para remover em seguida.
"Se eu der a um humano uma pilha de itens para pesquisar, ele provavelmente removerá o maior item primeiro para ver o que está embaixo dele. O que o robô faz é semelhante, mas também incorpora informações RFID para tomar uma decisão mais informada. pergunta: 'Quanto mais ele entenderá sobre esta pilha se remover este item da superfície?'" diz Boroushaki.
Depois de remover um objeto, o robô varre a pilha novamente e usa novas informações para otimizar sua estratégia.
Resultados da recuperação
Esse raciocínio, bem como o uso de sinais de RF, deu ao FuseBot uma vantagem sobre um sistema de última geração que usava apenas visão. A equipe realizou mais de 180 testes experimentais usando braços robóticos reais e pilhas de utensílios domésticos, como material de escritório, bichos de pelúcia e roupas. Eles variaram os tamanhos das pilhas e o número de itens com etiquetas RFID em cada pilha.
O FuseBot extraiu o item alvo com sucesso em 95% das vezes, em comparação com 84% para o outro sistema robótico. Ele conseguiu isso usando 40% menos movimentos e foi capaz de localizar e recuperar itens direcionados duas vezes mais rápido.
"Vemos uma grande melhoria na taxa de sucesso ao incorporar essas informações de RF. Também foi emocionante ver que conseguimos igualar o desempenho de nosso sistema anterior e superá-lo em cenários em que o item de destino não tinha um RFID etiqueta", diz Dodds.
O FuseBot pode ser aplicado em uma variedade de configurações porque o software que executa seu raciocínio complexo pode ser implementado em qualquer computador -- ele só precisa se comunicar com um braço robótico que possui uma câmera e uma antena, acrescenta Boroushaki.
Em um futuro próximo, os pesquisadores planejam incorporar modelos mais complexos ao FuseBot para que ele funcione melhor em objetos deformáveis. Além disso, eles estão interessados em explorar diferentes manipulações, como um braço robótico que empurra itens para fora do caminho. As iterações futuras do sistema também podem ser usadas com um robô móvel que procura objetos perdidos em várias pilhas.
Este trabalho foi financiado, em parte, pela National Science Foundation, uma Sloan Research Fellowship, NTT DATA, Toppan, Toppan Forms e o MIT Media Lab.