Noticias Actualidad en procesos industriales

Dele visibilidad a su trayectoria académica

Participe en la convocatoria de trabajos inéditos de Virtual Pro.

Publicar Ahora

2022-06-29Robot supera la incertidumbre para recuperar objetos enterrados

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

Para los humanos, encontrar una billetera perdida enterrada debajo de una pila de artículos es bastante sencillo: simplemente retiramos cosas de la pila hasta que encontramos la billetera. Pero para un robot, esta tarea implica un razonamiento complejo sobre la pila y los objetos que contiene, lo que presenta un gran desafío.

Los investigadores del MIT demostraron previamente un brazo robótico que combina información visual y señales de radiofrecuencia (RF) para encontrar objetos ocultos que fueron etiquetados con etiquetas RFID (que reflejan las señales enviadas por una antena). A partir de ese trabajo, ahora han desarrollado un nuevo sistema que puede recuperar de manera eficiente cualquier objeto enterrado en una pila. Siempre que algunos elementos de la pila tengan etiquetas RFID, no es necesario etiquetar el elemento de destino para que el sistema lo recupere.

Los algoritmos detrás del sistema, conocidos como FuseBot, razonan sobre la probable ubicación y orientación de los objetos debajo de la pila. Luego, FuseBot encuentra la forma más eficiente de eliminar los objetos que obstruyen y extraer el elemento objetivo. Este razonamiento permitió a FuseBot encontrar más elementos ocultos que un sistema robótico de última generación, en la mitad del tiempo.

Esta velocidad podría ser especialmente útil en un almacén de comercio electrónico. Un robot encargado de procesar las devoluciones podría encontrar artículos en una pila sin clasificar de manera más eficiente con el sistema FuseBot, dice el autor principal Fadel Adib, profesor asociado en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación y director del grupo Signal Kinetics en el Media Lab.

“Lo que muestra este documento, por primera vez, es que la mera presencia de un elemento con etiqueta RFID en el entorno facilita mucho la realización de otras tareas de una manera más eficiente. Pudimos hacer esto porque agregamos razonamiento multimodal al sistema: FuseBot puede razonar sobre la visión y la RF para comprender una pila de elementos”, agrega Adib.

Junto a Adib en el artículo están los asistentes de investigación Tara Boroushaki, quien es el autor principal; Laura Dodds; y Nazish Naeem. La investigación se presentará en la conferencia Robótica: Ciencia y Sistemas.

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”.

Este trabajo fue financiado, en parte, por la Fundación Nacional de Ciencias, una beca de investigación Sloan, NTT DATA, Toppan, Toppan Forms y el MIT Media Lab.

MIT
Autor
MIT

Promover la investigación, las innovaciones, la enseñanza y los eventos y las personas de interés periodístico del MIT a la comunidad del campus, los medios de comunicación y el público en general, Comunicar anuncios del Instituto, Publicar noticias de la comunidad para profesores, estudiantes, personal y ex alumnos del MIT. Proporcionar servicios de medios a los miembros de la comunidad, incluido el asesoramiento sobre cómo trabajar con periodistas, Responder a consultas de los medios y solicitudes de entrevistas...


2024-03-26
Este modelo computacional simula el crecimiento biomecánico de los tumores de mama

La herramienta, creada por investigadores de España y EE UU, ayudará a predecir la evolución del cáncer en pacientes a partir de las propiedades mecánicas y del área donde se desarrolla, que se pueden conocer a través de una biopsia o técnicas de imagen.

2024-03-26
ChatGPT español: España da un paso hacia el futuro de la IA

Un ChatGPT español no suena nada descabellado en un mundo impulsado por avances tecnológicos cada vez más veloces y en el que la inteligencia artificial (IA) ha demostrado su capacidad para adaptarse y abrir nuevas posibilidades en diversos campos. En este sentido, durante el Mobile World Congress (MWC) España ha dado un paso importante hacia el futuro con el desarrollo de su propio Large Language Model (LLM) entrenado en español y lenguas cooficiales.

2024-03-11
Prueban feromonas artificiales en “enjambre” de robots para saber cómo se comunican y coordinan

Hormigas, abejas y termitas son algunos de los animales que expelen sustancias que les permite comunicarse entre sí (estigmergia), optimizando la coordinación de sus colonias y su relación con el entorno. Este comportamiento se simuló en laboratorio con un enjambre de pequeños robots, mediante luz ultravioleta, y sus resultados son positivos para la industria, ya que en un futuro esta capacidad de inteligencia grupal y conocimiento compartido permitiría clasificar objetos en bodegas o granjas, por ejemplo. Además, mediante inteligencia artificial (IA) desarrollaron aprendizaje automático.

2024-03-07
Método verifica rápidamente que un robot evitará colisiones

Este enfoque, más rápido y preciso que algunas alternativas, podría resultar útil para robots que interactúan con humanos o trabajan en espacios reducidos.

2024-03-06
La última tendencia para bordar las entrevistas de trabajo: entrenar con ChatGPT como reclutador

Se está debatiendo mucho sobre el papel de la inteligencia artificial en el ámbito laboral y el impacto que esta nueva tecnología tendrá en tareas repetitivas. La Generación Z formada por los jóvenes que están empezando su carrera laboral ahora, será la principal afectada por la irrupción de la IA, pero ya está comenzando su contraofensiva: utilizar la IA como entrenador para conseguir un empleo.

2024-02-29
EMO es la impresionante IA que viene de China: vídeos a partir de una sola imagen y un archivo de voz

Cada día es una historia nueva con la IA. Si hace unas semanas era Sora, ahora es EMO la inteligencia artificial generativa que nos deja impresionados. Y al contrario de lo que suele ser habitual, en este caso no viene ni de OpenAI ni de Google ni de ninguno de los grandes actores del panorama. La nueva IA viene de China, pues ha sido presentada por Alibaba.