网络|麻省理工学院的最新发明：机器人帮你找回丢失物品！( 二 )
在RFusion的情况下 ， 当优化算法限制了定位物品移动的次数和拾取物品的距离时就会获得奖励 。
一旦系统确定了确切的位置 ， 神经网络将使用射频和视觉信息相结合来预测机器人手臂应该如何抓住物体 ， 包括手的角度和夹持器的宽度 ， 以及它是否必须先移除其他物品 。 最后它会再扫描一次物体的标签 ， 以确保它捡到了正确的对象 。
文章图片
穿透杂物
研究人员在几种不同的环境中测试了RFusion 。 他们把钥匙串埋在一个满是杂物的盒子里 ， 并将遥控器藏在沙发上的一堆物品下 。
但如果他们将所有相机数据和射频测量输入强化学习算法 ， 系统就会不堪重负 。 因此 ， 根据全球定位系统用于整合卫星数据的方法 ， 他们总结了射频测量 ， 并将视觉数据限制在机器人正前方的区域 。
【网络|麻省理工学院的最新发明：机器人帮你找回丢失物品！】他们的方法效果很好——RFusion在检索完全隐藏在一堆东西下的物品时成功率为96% 。
“有时 ， 如果你只依靠射频测量 ， 就会有一个异常值 ， 如果你只依赖视觉 ， 相机有时会出错 。 但如果你把它们结合起来 ， 它们会互相纠正 。 这就是该系统如此强大的原因 。 ”Boroushaki说 。
将来 ， 研究人员希望提高系统的速度 ， 使其平稳运行 ， 而不是定期停下来进行测量 。 这将使RFusion能够部署在快节奏的制造业或仓库环境中 。 Boroushaki说 ， 除了潜在的工业用途外 ， 像这样的系统甚至可以融入未来的智能家居 ， 以帮助人们完成各种家务 。
“每年 ， 数十亿个RFID标签用于识别当今复杂供应链中的物品 ， 包括服装和许多其他消费品 。 RFusion方法为自主机器人指明了道路 ， 这些机器人可以从一堆混合物品中找到目标物品 ， 并使用RFID标签中存储的数据进行分类 ， 这比单独检查每个项目要高效得多 ， 特别是当这些项目看起来像计算机视觉系统时 ， ”华盛顿大学副教授Matthew S.Reynolds说道 。 RFusion方法是机器人在复杂供应链中运行的一大进步 ， 在供应链中 ， 快速准确地识别和“挑选”正确的物品是按时完成订单和让苛刻客户满意的关键 。
本文由升哲科技编译 ， 转载请注明 。
推荐阅读
- 网络|天津联通全力助推天津市入选全国首批千兆城市
- 网络化|工信部：2025年建成500个以上智能制造示范工厂
- 视点·观察|张庭夫妇公司被查 该怎样精准鉴别网络传销？
- 数字化|70%规模以上制造业企业到2025年将实现数字化、网络化
- 人物|俄罗斯网络博主为吸引流量 闹市炸毁汽车 结果够“刑”
- 协同|网文论︱网络文学与AI写作：人机协同演化时代的文学之灵
- 周鸿祎|网络安全行业应提升数字安全认知
- 安全风险|网络安全行业应提升数字安全认知
- 海康威视|智能家居战场又添一员，海康威视分拆萤石网络上市，半年营收20亿 | IPO见闻
- 网络应用|免费、不限速 8大网盘今年都已提供无差别速率服务