机器人克服不确定性找回埋藏物体

对于人类来说，找到埋在一堆物品下的丢失钱包非常简单——我们只需从一堆东西中取出东西，直到找到钱包。但对于机器人来说，这项任务涉及对堆和其中的物体进行复杂的推理，这是一项艰巨的挑战。

麻省理工学院的研究人员之前展示了一种机械臂，它结合了视觉信息和射频(RF)信号，以找到带有RFID标签(反射天线发送的信号)标记的隐藏物体。在这项工作的基础上，他们现在开发了一种新系统，可以有效地检索埋在一堆中的任何物体。只要堆中的一些物品有RFID标签，目标物品就不需要被贴上标签，系统就可以恢复它。

该系统背后的算法称为FuseBot，用于推断桩下物体的可能位置和方向。然后FuseBot找到最有效的方法来移除障碍物并提取目标项目。这种推理使FuseBot能够在一半的时间内找到比最先进的机器人系统更多的隐藏物品。

这种速度在电子商务仓库中可能特别有用。负责处理退货的机器人可以使用FuseBot系统更有效地在未分类的堆中找到物品，资深作者、电气工程和计算机科学系副教授、媒体实验室信号动力学组主任FadelAdib说。

“本文首次表明，环境中仅存在带有RFID标签的物品就可以让您更轻松地以更有效的方式完成其他任务。我们之所以能够做到这一点，是因为我们添加了系统的多模式推理——FuseBot可以推理视觉和射频来理解一堆项目，”Adib补充道。

与Adib一起撰写论文的是研究助理TaraBoroushaki，他是第一作者;劳拉·多兹;和纳兹纳伊姆。该研究将在机器人：科学与系统会议上发表。

定位标签

最近的一份市场报告表明，超过90%的零售商现在使用RFID标签，但该技术并不普遍，导致只有一堆堆内的一些物品被贴上标签。

这个问题激发了该小组的研究。

借助FuseBot，机械臂使用附加的摄像机和射频天线从混合堆中检索未标记的目标物品。该系统使用其相机扫描桩以创建环境的3D模型。同时，它从天线发送信号以定位RFID标签。这些无线电波可以穿过大多数固体表面，因此机器人可以“看到”堆的深处。由于没有标记目标物品，FuseBot知道该物品不能与RFID标签位于完全相同的位置。

算法融合这些信息来更新环境的3D模型并突出目标项目的潜在位置;机器人知道它的大小和形状。然后系统推断堆中的物体和RFID标签位置，以确定要移除的物品，目标是找到移动最少的目标物品。

Boroushaki说，将这种推理融入系统是一项挑战。

机器人不确定物体在堆下的方向，或者柔软的物体如何被更重的物体压在上面变形。它通过概率推理克服了这一挑战，使用它所知道的对象的大小和形状及其RFID标签位置来模拟对象可能占据的3D空间。

该机器人系统使用射频信号、计算机视觉和复杂的推理来有效地找到隐藏在一堆之下的物品。图片来源：麻省理工学院媒体实验室JamesDay

在删除项目时，它还使用推理来决定下一个“最好”删除的项目。

“如果我让人类搜索一堆物品，他们很可能会先取出最大的物品，看看下面有什么。机器人所做的与此类似，但它还结合了RFID信息，以便做出更明智的决定。它问道，“如果它从表面移除这个物品，它对这堆东西的了解会更多吗?'”Boroushaki说。

移除物体后，机器人会再次扫描堆并使用新信息优化其策略。

检索结果

这种推理，以及它对射频信号的使用，使FuseBot比仅使用视觉的最先进系统更具优势。该团队使用真正的机械臂和一堆家用物品(如办公用品、毛绒玩具和衣服)进行了180多项实验试验。他们改变了堆的大小和每堆中带有RFID标记的物品的数量。

FuseBot成功提取目标项目的成功率为95%，而其他机器人系统的成功率为84%。它通过减少40%的移动来实现这一目标，并且能够以两倍以上的速度定位和检索目标物品。

“我们看到成功率有了很大提高。看到我们能够与之前系统的性能相匹配，并在目标物品没有RFID的情况下超越它，这也令人兴奋。标签，”多兹说。

Boroushaki补充说，FuseBot可以应用于各种设置，因为执行其复杂推理的软件可以在任何计算机上实现——它只需要与具有摄像头和天线的机械臂通信。

在不久的将来，研究人员计划将更复杂的模型整合到FuseBot中，以便它在可变形物体上表现更好。除此之外，他们还对探索不同的操作很感兴趣，例如将物品推开的机械臂。该系统的未来迭代还可以与移动机器人一起使用，该机器人可以搜索多堆丢失的物体。