麻省理工學院媒體實驗室(MIT Media Lab)的研究人員重點利用RFID技術(shù)和計算機視覺技術(shù)，使機器人能夠探索身處的環(huán)境，以便定位和移動可能看不見的目標物品。該機器人系統(tǒng)已經(jīng)進行了多年的開發(fā)、模擬和測試，并利用機器學習更好地完成各類復雜的任務。

目前，該團隊正計劃將這項研究商業(yè)化。

在尋求商業(yè)化過程中，研究人員一直在采訪潛在的客戶，并計劃一個可能的企業(yè)分拆。今年，該團隊參與了由美國國家科學基金會牽頭的I-Corps項目，以確定潛在的贊助商并規(guī)劃出第一個產(chǎn)品。

麻省理工學院副教授、媒體實驗室首席研究員法德爾·阿迪布(Fadel Adib)說：“這項技術(shù)已經(jīng)足夠成熟，可以將其從實驗室?guī)氍F(xiàn)實世界?！?/p>

該機器人系統(tǒng)的RFID部分采用了研究人員稱之為RF感知的技術(shù)，包括現(xiàn)成的無源UHF RFID標簽，以及安裝在機器人環(huán)境中的RFID閱讀器和專用天線。當物品不可見時，機器人利用RFID識別物品及其具體位置。數(shù)據(jù)分析軟件可以通過計算機視覺引導機器人關(guān)注自己面前的物品，確定需要移動或?qū)Ш降奈锲?，并?jù)此采取相應行動。

研究人員說，這項技術(shù)可以用于制造商、零售商或倉庫的物品分類、揀選或放置。

該機器人的設計主要有兩種應用方案。一是監(jiān)控貨物在倉庫中的移動，這些貨物需要根據(jù)客戶的訂單進行挑選和包裝。傳統(tǒng)上，這需要員工在過道里來回移動，打開箱子，找到指定的物品，然后裝進集裝箱里。有了RFID技術(shù)，機器人可以識別指定的箱子或特定貨架上的物品，然后抓取該物品并確認其放置位置。該系統(tǒng)設計目的是為了防止出錯，這意味著公司可以最大限度地降低由于發(fā)貨錯誤而導致的退貨率。

二是用于固定區(qū)域內(nèi)復雜、擁擠的環(huán)境，例如對退回的貨物進行分類處理的專用區(qū)域。這里的機器人可以設計用來對一堆產(chǎn)品進行分類和識別，將不需要的或優(yōu)先級較低的物品移到一邊，然后取走它所尋找的標記物品并放進一個箱子里進行裝運。

阿迪布說，盡管許多公司使用機器人來識別和移動貨物，但“我們關(guān)注的是最后一英里、最后一米，這是一個非常復雜的部分，需要識別并找到一個指定的物品”。

麻省理工學院媒體實驗室研究助理、RF-Grasp項目的學生導師塔拉·博魯夏基(Tara Boroushaki)說，傳統(tǒng)上，機器人在擁擠的環(huán)境中很難定位和抓取物品。雖然計算機視覺可以幫助機器人了解眼前的東西，但如果它要找的貨物放在箱子里或被貨架上的另一個物體擋住，機器人的可靠性就會降低。

麻省理工學院媒體實驗室四年來一直致力于RFID技術(shù)，包括RFID和計算機視覺解決方案，例如創(chuàng)建用于機器人的高精度UHF RFID、用RFID創(chuàng)新檢測食品安全等。該實驗室的TurboTrack系統(tǒng)被設計成在不到一厘米的范圍內(nèi)精確定位UHF RFID標簽。

為了實現(xiàn)高精度定位，該系統(tǒng)至少使用了三個RFID天線，這些天線以800~900 MHz的頻率向UHF閱讀器發(fā)送短脈沖，UHF閱讀器則發(fā)送標準的902~928 MHz傳輸來詢問標簽。然后，麻省理工學院媒體實驗室的軟件利用人工智能，根據(jù)每個標簽對詢問和天線脈沖的反應來識別其具體位置。

團隊在TurboTrack上的早期開發(fā)促成了這一個最新的項目，即將機器學習用于計算機視覺和RFID，以幫助機器人像人類一樣定位物體。實驗室測試的這套系統(tǒng)由一個機械臂和一只抓手組成，手腕上有一個攝像頭。博魯夏基說，在過去的一年中，實驗室一直在模擬機器學習，以便更好地管理數(shù)據(jù)，從而確保機器人能夠以融合的方式分析RFID和視覺技術(shù)。

在典型部署中，機器人使用RFID識別目標物體的位置，然后捕捉RGB-D(顏色和深度)圖像，創(chuàng)建一個基于攝像頭的3D環(huán)境模型。軟件將RFID定位與該模型融合，機械臂在抓取范圍內(nèi)移動。它識別它所抓取的帶有RFID標簽的物品，并將其移動到適當?shù)奈恢萌缓蠓畔隆?/p>

有了RFID，機器人可以知道它是否抓取了一個沒有標簽的物品(因為目標標簽不會被認為移動了)，也可以知道它是否抓錯了物品(因為錯誤的RFID標簽會移動)。機器人可以將它確定沒有目標標簽ID的任何物品放在一邊。

目前，許多公司都在尋找機器人定位商品的解決方案，以取代人類挑選和移動商品的需要，且機器人將使操作更加高效和安全。博魯夏基說，問題是如何讓機器人找到它看不到的東西。她自2019年秋季以來一直主導這項工作，并于去年10月完成了該項目。

該實驗室在COVID-19疫情期間首次測試了模擬環(huán)境，整個疫情隔離期長達4個月。博魯夏基說：“我們開發(fā)了一個系統(tǒng)，可以避開障礙物，并模擬向目標物體移動?！彪S后研究人員在他們的機器人上測試了這個系統(tǒng)，并發(fā)現(xiàn)機器學習工具能良好地運行。她補充說：“開發(fā)結(jié)合了運行在真實系統(tǒng)上的模擬模型?！?/p>

該項目采用了Universal Robots的UR5機械臂，并結(jié)合了Intel攝像機。實驗室使用了現(xiàn)成的RFID標簽設計并構(gòu)建了其專用的RFID閱讀器系統(tǒng)。阿迪布報告稱，團隊已開始與行業(yè)人士討論這項技術(shù)，如Toppan Printing公司和一些服裝行業(yè)的主要用戶，這些用戶可能是主要受益者。下一步團隊希望可以在真實世界進行試點。

阿迪布說：“我們的商業(yè)化方案就像研究，它需要一種敏捷的方法來快速試驗、迭代和適應。”該團隊預計，這項技術(shù)將應用于制造、零售和物流行業(yè)，并最終應用于消費者家庭中。阿迪布補充說，疫情加速了機器人管理供應鏈中貨物流動的需求，同時也加快了滿足這些需求的技術(shù)開發(fā)。