Роботы отслеживают движущиеся объекты с беспрецедентной точностью

Новая система использует RFID-метки, чтобы помочь роботам сосредоточиться на движущихся объектах с беспрецедентной скоростью и точностью. Система могла бы обеспечить большую совместимость и точность благодаря роботам, работающим над упаковкой и сборкой, а также рою дронов, выполняющих поисково-спасательные миссии.

Новая система, разработанная в Массачусетском технологическом институте, использует метки RFID, чтобы помочь роботам сосредоточиться на движущихся объектах с беспрецедентной скоростью и точностью. Система могла бы обеспечить большую совместимость и точность благодаря роботам, работающим над упаковкой и сборкой, а также рою дронов, выполняющих поисково-спасательные миссии.

В документе, представленном на следующей неделе на Симпозиуме USENIX по проектированию и внедрению сетевых систем, исследователи показывают, что роботы, использующие систему, могут обнаруживать помеченные объекты в среднем за 7,5 миллисекунд и с ошибкой менее сантиметра.

В системе, называемой TurboTrack, метка RFID (радиочастотная идентификация) может быть применена к любому объекту. Считыватель отправляет беспроводной сигнал, который отражается от метки RFID и других близлежащих объектов, и восстанавливается на считывателе. Алгоритм просматривает все отраженные сигналы, чтобы найти ответ метки RFID. Окончательные вычисления затем используют движение метки RFID — хотя это обычно снижает точность — для повышения точности его локализации.

Исследователи говорят, что система может заменить компьютерное зрение для некоторых роботизированных задач. Как и в случае с человеком, компьютерное зрение ограничено тем, что оно может видеть, и оно может не замечать объекты в суматохе. Радиочастотные сигналы не имеют таких ограничений: они могут идентифицировать цели без визуализации, в беспорядке и сквозь стены.

Чтобы проверить систему, исследователи прикрепили одну метку RFID к крышке, а другую — к бутылке. Робот-манипулятор обнаружил крышку и поместил ее на бутылку, удерживаемую другой роботизированной рукой. В другой демонстрации исследователи отслеживали нанодроны, оснащенные RFID, во время стыковки, маневрирования и полета. Исследователи сообщают, что в обеих задачах система была такой же точной и быстрой, как и традиционные системы компьютерного зрения, и работала в сценариях, где компьютерное зрение не работает.

«Если вы используете радиочастотные сигналы для задач, обычно выполняемых с помощью компьютерного зрения, вы не только позволяете роботам делать человеческие вещи, но вы также можете позволять им делать сверхчеловеческие вещи», — говорит Фадель Адиб, доцент и главный исследователь в MIT. Медиа-лаборатория и директор-основатель исследовательской группы Signal Kinetics. «И вы можете сделать это масштабируемым способом, потому что эти метки RFID стоят всего 3 цента каждый».

При изготовлении система могла бы сделать руки робота более точными и универсальными, например, при подборе, сборке и упаковке предметов вдоль линии сборки. Еще одно многообещающее приложение — использование портативных «нанодронов» для поисково-спасательных операций. В настоящее время нанодроны используют компьютерное зрение и методы для сшивания захваченных изображений в целях локализации. Эти беспилотники часто запутываются в хаотических областях, теряют друг друга за стенами и не могут однозначно идентифицировать друг друга. Это все ограничивает их способность, скажем, распространяться по области и сотрудничать в поисках пропавшего человека. Используя систему исследователей, нанодроны в роях могли бы лучше находить друг друга для лучшего контроля и сотрудничества.

«Вы можете позволить ряду нанодронов образовываться определенным образом, летать в загроможденных средах и даже в средах, скрытых от глаз, с большой точностью», — говорит первый автор Чжихун Луо, аспирант исследовательской группы по кинетике сигналов.

Другие соавторы Media Lab на бумаге посещают студента Ципинга Чжана, постдока Юньфея Ма и ассистента по исследованиям Маниша Сингха.

Супер разрешение

Группа Адиба много лет работала над использованием радиосигналов для целей отслеживания и идентификации, таких как обнаружение загрязнения в бутылках, связь с устройствами внутри тела и управление складскими запасами.

Подобные системы пытались использовать метки RFID для задач локализации. Но они идут с компромиссами в точности или скорости. Чтобы быть точным, им может потребоваться несколько секунд, чтобы найти движущийся объект; чтобы увеличить скорость, они теряют точность.

Задача состояла в достижении скорости и точности одновременно. Для этого исследователи черпали вдохновение в технике визуализации, называемой «визуализация в сверхвысоком разрешении». Эти системы объединяют изображения под разными углами для получения изображения с более высоким разрешением.

«Идея заключалась в том, чтобы применить эти системы сверхразрешения к радиосигналам», — говорит Адиб. «Когда что-то движется, вы получаете больше перспектив в отслеживании этого, поэтому вы можете использовать движение для точности».

Система объединяет стандартный RFID-считыватель с вспомогательным компонентом, который используется для локализации радиочастотных сигналов. Помощник снимает широкополосный сигнал, содержащий несколько частот, основываясь на схеме модуляции, используемой в беспроводной связи, называемой ортогональным мультиплексированием с частотным разделением.

Система захватывает все сигналы, отражающиеся от объектов в окружающей среде, включая метку RFID. Один из этих сигналов несет сигнал, специфичный для конкретной метки RFID, поскольку сигналы RFID отражают и поглощают входящий сигнал по определенной схеме, соответствующей битам 0 и 1, которые система может распознать.

Поскольку эти сигналы распространяются со скоростью света, система может вычислить «время полета» — измерение расстояния путем вычисления времени, которое требуется сигналу для прохождения сигнала между передатчиком и приемником — для определения местоположения метки, как а также другие объекты в окружающей среде. Но это обеспечивает лишь приблизительную локализацию, а не точность субсимметра.

Усиливая движение

Чтобы увеличить местоположение тега, исследователи разработали алгоритм, который они называют «пространственно-временным суперразрешением».

Алгоритм объединяет оценки местоположения для всех сигналов отскока, включая сигнал RFID, который он определил, используя время полета. Используя некоторые вероятностные расчеты, он сужает эту группу до нескольких потенциальных мест для метки RFID.

При перемещении тега угол его сигнала слегка изменяется — изменение, которое также соответствует определенному местоположению. Затем алгоритм может использовать это изменение угла для отслеживания расстояния тега при его перемещении. Постоянно сравнивая это изменение измерения расстояния со всеми другими измерениями расстояния от других сигналов, он может найти метку в трехмерном пространстве. Все это происходит за доли секунды.