Pesquisadores do MIT lançam sistema de visão computacional

A solução do MIT Media Lab emprega tecnologias para permitir que um robô encontre um item específico em um ambiente complexo e realize tarefas específicas

Claire Swedberg

Pesquisadores do MIT Media Lab estão empregando tecnologia de identificação por radiofrequência junto com visão computacional para permitir que robôs explorem seu ambiente a fim de localizar e mover um item alvo que pode não estar visível. O sistema, que está em desenvolvimento, simulação e testes há vários anos, emprega aprendizado de máquina para melhor realizar essas tarefas complexas, e a equipe está buscando comercializar a pesquisa.

Nesse esforço, os pesquisadores entrevistaram clientes em potencial e planejaram uma possível divisão da empresa. Este ano, a equipe participou do programa I-Corps, liderado pelo National Science Foundation, para identificar patrocinadores em potencial e planejar o primeiro produto. “A tecnologia amadureceu o suficiente para ser levada do laboratório para o ambiente do mundo real”, disse Fadel Adib, professor associado do MIT e principal investigador do Media Lab.

A porção RFID do sistema robótico emprega o que os pesquisadores chamam de percepção de RF, consistindo em etiquetas RFID UHF passivas prontas para uso, bem como um leitor RFID e antenas especializadas instaladas no ambiente do robô. Os robôs empregam RFID para identificar itens e seus locais específicos quando não estão visíveis, e o software que analisa esses dados pode direcionar os robôs por meio de visão computacional para se concentrar nos itens diante deles, determinar o que precisa ser movido ou navegado e agir de acordo . A tecnologia, dizem os pesquisadores, pode ser aproveitada por fabricantes, varejistas ou armazéns para classificar, selecionar ou colocar mercadorias.

O robô é projetado para duas soluções principais, de acordo com Adib. Uma delas é monitorar mercadorias que se movem pelos depósitos que precisam ser separadas e embaladas de acordo com os pedidos dos clientes, o que tradicionalmente exige que os trabalhadores se movam pelos corredores, abrindo caixas e encontrando itens específicos, depois os colocando em contêineres para envio. Com RFID, os robôs podem identificar o que está em uma determinada caixa ou prateleira, em seguida, pegar o item e confirmar onde foi colocado. O sistema é projetado para evitar erros, o que significa que as empresas podem minimizar a taxa de devolução de mercadorias devido ao envio de um item errado.

O outro caso de uso envolve ambientes complexos e lotados em áreas fixas, como um espaço dedicado onde os itens devolvidos são classificados e processados. O robô é projetado para classificar uma pilha de produtos e identificá-los. Ele pode mover itens desnecessários ou de prioridade mais baixa para fora do caminho e pegar o item com etiqueta que procura e, em seguida, colocá-lo em outro lugar, como em uma caixa para envio.

Embora muitas empresas usem a robótica para a identificação e movimentação de mercadorias, Adib diz: “Nosso foco é a última milha, o último metro, que é altamente complexo – lugares onde você precisa identificar um item específico e apreendê-lo. ” Tradicionalmente, os robôs têm problemas para localizar e engasgar objetos em ambientes lotados, diz Tara Boroushaki, assistente de pesquisa do MIT Media Lab e estudante líder do RF-Grasp project. Embora a visão computacional possa ajudar um robô a entender o que está diretamente à sua frente, se os produtos que procura estiverem em uma caixa ou escondidos por outro objeto em uma prateleira, o robô se tornará menos confiável.

O MIT Media Lab trabalha com tecnologia RFID, incluindo RFID e soluções de visão computacional, há quatro anos. O sistema TurboTrack do laboratório é projetado para localizar uma etiqueta UHF RFID em menos de um centímetro.

Para realizar uma localização altamente granular, o sistema emprega pelo menos três antenas RFID, que transmitem pulsos de curta duração de 800 a 900 MHz para um leitor UHF que envia transmissões padrão de 902 a 928 MHz para interrogar etiquetas. O software do MIT Media Lab, então, emprega inteligência artificial para identificar a localização específica de cada tag com base em suas respostas ao interrogatório e aos pulsos da antena.

Esse trabalho anterior no TurboTrack levou ao projeto mais recente para alavancar o aprendizado de máquina para visão computacional e RFID, a fim de ajudar os robôs a localizar coisas da mesma forma que as pessoas. O sistema testado pelo laboratório consiste em um braço robótico preso a uma mão ofegante com uma câmera no pulso. Ao longo do ano passado, diz Boroushaki, o laboratório tem simulado o aprendizado de máquina para permitir um melhor gerenciamento de dados e, assim, garantir que o robô possa analisar RFID e tecnologias de visão de uma maneira fundida.

Em uma implantação típica, o robô pode usar RFID para identificar a localização de um objeto alvo e, em seguida, capturar imagens RGB-D (cor e profundidade) para criar um modelo 3D do ambiente baseado em câmera. O software funde a localização RFID a esse modelo, e o braço robótico se move dentro do alcance de agarramento. Ele identifica o item com a etiqueta RFID que está segurando e o move para o local apropriado e, em seguida, o libera.

Com RFID, o robô pode entender se pegou um item que não tem uma etiqueta anexada (uma vez que a etiqueta alvo não será percebida como tendo se movido), bem como se agarrou o item errado (desde o RFID incorreto tag se moverá). O robô pode separar qualquer item que ele determine que não possui o ID de tag de destino.

Numerosas empresas estão atualmente buscando soluções para localizar mercadorias roboticamente, como um meio de substituir a necessidade de os humanos selecionar e mover itens. A versão robótica, explicam os pesquisadores, tornará as operações mais eficientes e seguras. A questão, diz Boroushaki, é como permitir que um robô encontre algo que não pode ver. Ela lidera esse esforço desde o outono de 2019 e concluiu o projeto, incluindo testes de laboratório, em outubro do ano passado.

O MIT Media Lab testou pela primeira vez ambientes simulados durante a pandemia COVID 19, ao longo de quatro meses de quarentena. “Desenvolvemos um sistema que tenta evitar colidir com os obstáculos”, diz Boroushaki, “e se move em direção aos itens na simulação.” Quando os pesquisadores voltaram ao laboratório, testaram a solução em seu robô e descobriram que as ferramentas de aprendizado de máquina funcionavam bem. “O desenvolvimento foi uma combinação de simulação, rodando em um sistema real”, acrescenta ela.

O projeto usou o braço robótico UR5 da Universal Robots, combinado com uma câmera Intel. O MIT projetou e construiu seu sistema de leitor RFID especializado usando etiquetas RFID de prateleira. A organização começou a discutir a tecnologia com os participantes da indústria, relata Adib, como a Toppan Printing e alguns usuários principais da indústria de vestuário, que podem ser os principais beneficiários. A equipe espera lançar pilotos no mundo real.

“Nossa abordagem de comercialização é como pesquisa”, diz Adib. “É necessária uma abordagem ágil para experimentar, iterar e se adaptar rapidamente.” A equipe prevê que a tecnologia seja utilizada na fabricação, varejo e logística, e eventualmente na casa do consumidor. A pandemia acelerou a necessidade de gerenciamento robótico do fluxo de mercadorias na cadeia de suprimentos, acrescenta Adib, ao mesmo tempo que acelera o desenvolvimento de tecnologia para atender a essas demandas.

- PUBLICIDADE -

LEAVE A REPLY

Please enter your comment!
Please enter your name here