인간의 경우 항목 더미 아래에 묻혀 있는 잃어버린 지갑을 찾는 것은 매우 간단합니다. -- 지갑을 찾을 때까지 더미에서 물건을 제거하기만 하면 됩니다. 그러나 로봇의 경우 이 작업에는 더미와 그 안의 물체에 대한 복잡한 추론이 포함되며 이는 어려운 과제입니다.
MIT 연구원들은 이전에 시각 정보와 무선 주파수(RF) 신호를 결합하여 RFID 태그(안테나에서 보낸 신호를 반사함)로 태그가 지정된 숨겨진 물체를 찾는 로봇 팔을 시연했습니다. 그 작업을 바탕으로 그들은 이제 더미에 묻힌 모든 물체를 효율적으로 회수할 수 있는 새로운 시스템을 개발했습니다. 더미의 일부 항목에 RFID 태그가 있는 한 시스템에서 대상 항목을 복구하기 위해 대상 항목에 태그를 지정할 필요가 없습니다.
FuseBot으로 알려진 시스템 이면의 알고리즘은 더미 아래에 있는 물체의 가능한 위치와 방향을 추론합니다. 그런 다음 FuseBot은 방해하는 물체를 제거하고 대상 항목을 추출하는 가장 효율적인 방법을 찾습니다. 이 추론을 통해 FuseBot은 최첨단 로봇 시스템보다 절반의 시간에 숨겨진 항목을 더 많이 찾을 수 있었습니다.
이 속도는 전자 상거래 창고에서 특히 유용할 수 있습니다. 반품 처리를 담당하는 로봇은 FuseBot 시스템을 사용하여 분류되지 않은 더미에서 항목을 더 효율적으로 찾을 수 있다고 전기 공학 및 컴퓨터 과학부 부교수이자 Media Lab의 Signal Kinetics 그룹 이사인 Fadel Adib은 말합니다.
"이 문서에서 처음으로 보여 주는 것은 환경에 RFID 태그가 있는 항목이 있다는 것만으로도 훨씬 더 쉽게 다른 작업을 보다 효율적으로 수행할 수 있다는 것입니다. 시스템에 대한 다중 모드 추론 -- FuseBot은 항목 더미를 이해하기 위해 비전과 RF 모두에 대해 추론할 수 있습니다."라고 Adib은 덧붙입니다.
논문에서 Adib에 합류하는 것은 수석 저자인 연구 조교인 Tara Boroushaki입니다. 로라 도즈; 그리고 나지쉬 네임. 이 연구는 Robotics: Science and Systems 컨퍼런스에서 발표될 예정입니다.
타겟팅 태그
최근 시장 보고서에 따르면 현재 미국 소매업체의 90% 이상이 RFID 태그를 사용하지만 이 기술은 보편적이지 않아 더미 내의 일부 개체에만 태그가 지정되는 상황이 발생합니다.
이 문제는 그룹의 연구에 영감을 주었습니다.
FuseBot을 사용하면 로봇 팔이 부착된 비디오 카메라와 RF 안테나를 사용하여 혼합 더미에서 태그가 지정되지 않은 대상 항목을 검색합니다. 시스템은 카메라로 더미를 스캔하여 환경의 3D 모델을 생성합니다. 동시에 안테나에서 신호를 보내 RFID 태그를 찾습니다. 이 전파는 대부분의 단단한 표면을 통과할 수 있으므로 로봇은 더미 깊숙이 "볼" 수 있습니다. 대상 항목에 태그가 지정되지 않았기 때문에 FuseBot은 해당 항목이 RFID 태그와 정확히 같은 위치에 있을 수 없다는 것을 알고 있습니다.
알고리즘은 이 정보를 융합하여 환경의 3D 모델을 업데이트하고 대상 항목의 잠재적 위치를 강조 표시합니다. 로봇은 크기와 모양을 알고 있습니다. 그런 다음 시스템은 가장 적은 이동으로 대상 항목을 찾는 것을 목표로 제거할 항목을 결정하기 위해 더미 및 RFID 태그 위치에 대한 개체를 추론합니다.
Boroushaki는 이 추론을 시스템에 통합하는 것이 어려웠습니다.
로봇은 더미 아래에 있는 물체의 방향이나 더 무거운 물체가 눌러 질식한 물체가 어떻게 변형될 수 있는지 확신하지 못합니다. 개체가 차지할 가능성이 있는 3D 공간을 모델링하기 위해 개체의 크기와 모양, RFID 태그 위치에 대해 알고 있는 정보를 사용하여 확률적 추론으로 이 문제를 극복합니다.
항목을 제거할 때 추론을 사용하여 다음에 제거하기에 "가장 좋은" 항목을 결정합니다.
"내가 인간에게 검색할 항목 더미를 주면 가장 큰 항목을 먼저 제거하여 그 아래에 있는 것을 볼 것입니다. 로봇이 하는 일은 유사하지만 RFID 정보를 통합하여 보다 정보에 입각한 결정을 내립니다. '표면에서 이 항목을 제거하면 이 더미에 대해 얼마나 더 이해하게 될까요?'"라고 Boroushaki는 말합니다.
물체를 제거한 후 로봇은 더미를 다시 스캔하고 새로운 정보를 사용하여 전략을 최적화합니다.
검색 결과
이러한 추론과 RF 신호의 사용으로 인해 FuseBot은 비전만 사용하는 최첨단 시스템보다 우위에 있었습니다. 팀은 실제 로봇 팔과 사무용품, 박제 동물, 의류와 같은 가정 용품 더미를 사용하여 180개 이상의 실험 실험을 진행했습니다. 그들은 더미의 크기와 각 더미에 있는 RFID 태그 항목의 수를 다양하게 했습니다.
FuseBot은 다른 로봇 시스템의 84%와 비교하여 95%의 시간 동안 대상 항목을 성공적으로 추출했습니다. 40% 더 적은 수의 이동으로 이 작업을 수행했으며 대상 항목을 두 배 이상 빠르게 찾고 검색할 수 있었습니다.
"우리는 이 RF 정보를 통합함으로써 성공률이 크게 향상되었음을 확인했습니다. 또한 대상 품목에 RFID가 없는 시나리오에서 이전 시스템의 성능과 일치하고 이를 능가할 수 있다는 것을 확인하는 것도 흥미로웠습니다. 태그"라고 Dodds는 말합니다.
FuseBot은 카메라와 안테나가 있는 로봇 팔과 통신하기만 하면 모든 컴퓨터에서 복잡한 추론을 수행하는 소프트웨어를 구현할 수 있기 때문에 -- 다양한 설정에 적용할 수 있다고 Boroushaki는 덧붙입니다.
가까운 장래에 연구원들은 더 복잡한 모델을 FuseBot에 통합하여 변형 가능한 물체에서 더 나은 성능을 발휘할 계획입니다. 그 외에도 그들은 물건을 치우는 로봇 팔과 같은 다양한 조작을 탐구하는 데 관심이 있습니다. 시스템의 미래 반복은 잃어버린 물건에 대해 여러 더미를 검색하는 모바일 로봇과 함께 사용될 수도 있습니다.
이 작업은 부분적으로 National Science Foundation, Sloan Research Fellowship, NTT DATA, Toppan, Toppan Forms 및 MIT Media Lab의 자금 지원을 받았습니다.
