Bir Robot, Yığın İçinde Gömülmüş Nesnelere Ulaşmak İçin Belirsizliğin Üstesinden Gelebiliyor!
Westword
- Basın Bildirisi
- Gelişimsel Robotik
- Bilim Haberciliği
Bu haber 2 yıl öncesine aittir. Haber güncelliğini yitirmiş olabilir; ancak arşivsel değeri ve bilimsel gelişme/ilerleme anlamındaki önemi dolayısıyla yayında tutulmaktadır. Ayrıca konuyla ilgili gelişmeler yaşandıkça bu içerik de güncellenebilir.
İnsanlar için, bir yığının altına gömülü kayıp bir cüzdan bulmak oldukça basittir; cüzdanı bulana kadar yığından öğeleri çıkarırız. Bununla birlikte, bu görev, robotlar için zor bir meydan okuma sunan, yığın ve içindeki öğeler hakkında karmaşık akıl yürütmeyi gerektirir.
MIT araştırmacıları, bir anten tarafından gönderilen sinyalleri yansıtan RFID etiketleriyle etiketlenen nesneleri bulmak için daha önce görsel bilgi ve radyo frekansı (RF) sinyallerini birleştiren bir robotik kol üretmişlerdi.[1] O zamandan beri bu çalışmayı geliştirerek, bir yığına gömülü herhangi bir nesneyi etkili bir şekilde bulabilen yeni bir sistem yarattılar. Bu yeni sistem, yığındaki diğer öğelerin bazılarında RFID etiketi olduğu sürece, hedef öğede bu etiket bulunmasa bile hedefi tespit edebiliyor.[2]
Sistemin temel algoritması olan FuseBot, yığının altındaki nesnelerin olası konumu ve yönü hakkında tahminlerde bulunuyor. FuseBot, daha sonra engellerden kurtulmanın ve istenen nesneyi çıkarmanın en etkili yolunu belirliyor. Bu mantık sayesinde FuseBot, son teknoloji bir robotik sistemden iki kat daha fazla gizli öğe ortaya çıkarmayı başardı.
Bu hız, özellikle de bir e-ticaret deposunda avantajlı olabilir. Elektrik Mühendisliği ve Bilgisayar Bilimleri Bölümü'nde doçent ve Medya Laboratuvarı'nda Sinyal Kinetiği grubunun yöneticisi olan kıdemli yazar Fadel Adib'e göre, iadeleri işlemekle görevli bir robot, FuseBot sistemini kullanarak sıralanmamış bir yığındaki öğeleri daha hızlı bulabilir. Adib, şöyle diyor:
Bu makale, ilk kez, etrafında bir tane bile RFID etiketli nesne olan bir durumda diğer görevleri tamamlamanın ne kadar basit ve etkili olduğunu gösteriyor. Bunu yapabilmemizin nedeni, sisteme çok modlu bir mantık sistemi eklemiş olmamızdır. FuseBot, hem görsel veriden hem de RF veriden yola çıkarak bir nesne yığını hakkında mantık yürütebiliyor.
Yakın tarihli bir piyasa raporuna göre, ABD'deki perakendecilerin %90'ından fazlası artık RFID etiketleri kullanıyor, ancak teknoloji yaygın olmadığı için, bir yığın içindeki yalnızca bazı öğeler işaretlenebiliyor.[3] Bu konu, grubun araştırmasının itici gücü oldu.
Robotik bir kol, FuseBot sayesinde, takılı bir video kamera ve RF anteni kullanarak, karışık bir yığından, etiketlenmemiş bir hedef nesneyi alır. Çevrenin 3 boyutlu bir modelini oluşturmak için sistem kamerasıyla yığını tarar. Aynı anda anteninden RFID etiketlerini bulmak için sinyalleri iletir. Bu radyo dalgaları çoğu katı yüzeyin içinden geçilebildiğinden, robot yığının derinliklerini "görebilir". Hedef nesne RFID ile işaretlenmediği için, FuseBot, hedef nesnenin bir RFID etiketi ile birebir aynı konumda bulunamayacağının farkındadır.
Robot, hedef nesnenin boyutunun ve şeklinin farkında olduğundan, algoritma, çevrenin 3 boyutlu modelini güncellemek ve bunun için potansiyel konumları vurgulamak için bu verileri birleştirir. Daha sonra sistem, yığın içindeki nesneler ve RFID etiket lokasyonları hakkında mantık yürüterek, hangi nesneleri ayıklaması gerektiğine karar verir. Hedefi, en az sayıda hamle yaparak hedef nesneye ulaşmaktır.
Boroushaki'ye göre bu mantığı sisteme dahil etmek oldukça zordu. Robot, nesnelerin yığının altına nasıl yerleştirildiğini veya daha ağır nesnelere bastırdığında daha altlarda kalan dayanıksız bir nesnenin bozulabileceğini bilmiyordu. Bu zorluğun üstesinden gelmek için, nesnenin kapladığı 3 boyutlu alanın olasılıkçı bir modelini oluşturmak amacıyla nesnenin boyutu, şekli ve RFID etiketinin konumu hakkındaki bilgisini kullanarak olasılıksal bir şekilde akıl yürütüyordu. Öğeleri kaldırırken, hangi öğenin "en iyi" olacağını belirlemek için de bu mantığı kullanıyordu. Boroushaki şöyle diyor:
Bir insana bakması için bir yığın nesne verirsem, muhtemelen altında ne olduğunu görmek için en büyük nesneyi çıkarmakla başlayacaktır. Robot da benzer görevleri yerine getirir, ancak daha akıllıca karar vermesine yardımcı olmak için, RFID verilerini de kullanır. Robot kendisine, 'Bu nesneyi kaldırırsam, bu yığın hakkında daha ne kadar şey öğrenirim?' sorusunu sorar.
Bir öğeyi çıkardıktan sonra robot, yığını bir kez daha tarar ve yeni bilgiler ışığında planını gözden geçirir.
FuseBot, bu akıl yürütme ve RF sinyallerinin kullanımı sayesinde yalnızca görüşe dayanan son teknoloji bir sisteme göre bir avantaja sahipti. Ekip, gerçek robotik kolları ve giyim, ofis malzemeleri ve doldurulmuş hayvanlar gibi günlük eşyaların yığınlarını kullanarak, 180'den fazla deneysel test gerçekleştirdi. Her yığındaki RFID etiketli öğelerin sayısı ve yığınların boyutu farklıydı.
Diğer robotik sistemin %84 başarı oranıyla karşılaştırıldığında FuseBot, hedef öğeyi %95 başarıyla çıkardı. Hedeflenen öğeleri iki kattan daha hızlı bir şekilde bulup getirebildi ve bunu %40 daha az hamle ile yaptı. Dodds şöyle diyor:
Aslında maddi destek istememizin nedeni çok basit: Çünkü Evrim Ağacı, bizim tek mesleğimiz, tek gelir kaynağımız. Birçoklarının aksine bizler, sosyal medyada gördüğünüz makale ve videolarımızı hobi olarak, mesleğimizden arta kalan zamanlarda yapmıyoruz. Dolayısıyla bu işi sürdürebilmek için gelir elde etmemiz gerekiyor.
Bunda elbette ki hiçbir sakınca yok; kimin, ne şartlar altında yayın yapmayı seçtiği büyük oranda bir tercih meselesi. Ne var ki biz, eğer ana mesleklerimizi icra edecek olursak (yani kendi mesleğimiz doğrultusunda bir iş sahibi olursak) Evrim Ağacı'na zaman ayıramayacağımızı, ayakta tutamayacağımızı biliyoruz. Çünkü az sonra detaylarını vereceğimiz üzere, Evrim Ağacı sosyal medyada denk geldiğiniz makale ve videolardan çok daha büyük, kapsamlı ve aşırı zaman alan bir bilim platformu projesi. Bu nedenle bizler, meslek olarak Evrim Ağacı'nı seçtik.
Eğer hem Evrim Ağacı'ndan hayatımızı idame ettirecek, mesleklerimizi bırakmayı en azından kısmen meşrulaştıracak ve mantıklı kılacak kadar bir gelir kaynağı elde edemezsek, mecburen Evrim Ağacı'nı bırakıp, kendi mesleklerimize döneceğiz. Ama bunu istemiyoruz ve bu nedenle didiniyoruz.
RF bilgisini kullanarak, başarı oranında önemli bir artış elde ettik. Hedef öğenin bir RFID etiketinin olmadığı durumlarda, önceki sistemimizin performansını eşleştirebildiğimizi ve hatta daha iyi performans gösterdiğimizi görmek de cesaret vericiydi.
Karmaşık akıl yürütmeyi yürüten yazılım herhangi bir bilgisayarda uygulanabildiğinden, Boroushaki, FuseBot'un çok çeşitli bağlamlarda kullanılabileceğini açıklıyor. Yazılımın sadece kamera ve antene sahip robotik bir kolla iletişim kurması gerekiyor.
Araştırmacılar, deforme olabilen nesnelerle performansını artırmak için FuseBot'u yakın gelecekte daha karmaşık modeller içerecek şekilde yükseltmeyi planlıyorlar. Bunun ötesinde, nesneleri yoldan çeken robotik bir kol gibi diğer manipülasyon türlerini keşfetmekle de ilgileniyorlar. Sistemin gelecekteki sürümleri, yanlış yerleştirilmiş öğeler için çok sayıda yığını tarayan bir mobil robotla da çalışabilir.
İçeriklerimizin bilimsel gerçekleri doğru bir şekilde yansıtması için en üst düzey çabayı gösteriyoruz. Gözünüze doğru gelmeyen bir şey varsa, mümkünse güvenilir kaynaklarınızla birlikte bize ulaşın!
Bu içeriğimizle ilgili bir sorunuz mu var? Buraya tıklayarak sorabilirsiniz.
Soru & Cevap Platformuna Git-
4
-
3
-
1
-
1
-
1
-
0
-
0
-
0
-
0
-
0
-
0
-
0
- ^ A. Zewe. A Robot That Finds Lost Items. (5 Ekim 2021). Alındığı Tarih: 30 Haziran 2022. Alındığı Yer: MIT News | Massachusetts Institute of Technology | Arşiv Bağlantısı
- ^ T. Boroushaki, et al. Fusebot: Rf-Visual Mechanical Search. (27 Haziran 2022). Alındığı Tarih: 30 Haziran 2022. Alındığı Yer: www.roboticsproceedings.org | Arşiv Bağlantısı
- ^ J. Sain. A New Era For Rfid In Retail. (17 Mayıs 2021). Alındığı Tarih: 30 Haziran 2022. Alındığı Yer: www.accenture.com | Arşiv Bağlantısı
Evrim Ağacı'na her ay sadece 1 kahve ısmarlayarak destek olmak ister misiniz?
Şu iki siteden birini kullanarak şimdi destek olabilirsiniz:
kreosus.com/evrimagaci | patreon.com/evrimagaci
Çıktı Bilgisi: Bu sayfa, Evrim Ağacı yazdırma aracı kullanılarak 22/12/2024 04:18:52 tarihinde oluşturulmuştur. Evrim Ağacı'ndaki içeriklerin tamamı, birden fazla editör tarafından, durmaksızın elden geçirilmekte, güncellenmekte ve geliştirilmektedir. Dolayısıyla bu çıktının alındığı tarihten sonra yapılan güncellemeleri görmek ve bu içeriğin en güncel halini okumak için lütfen şu adrese gidiniz: https://evrimagaci.org/s/12021
İçerik Kullanım İzinleri: Evrim Ağacı'ndaki yazılı içerikler orijinallerine hiçbir şekilde dokunulmadığı müddetçe izin alınmaksızın paylaşılabilir, kopyalanabilir, yapıştırılabilir, çoğaltılabilir, basılabilir, dağıtılabilir, yayılabilir, alıntılanabilir. Ancak bu içeriklerin hiçbiri izin alınmaksızın değiştirilemez ve değiştirilmiş halleri Evrim Ağacı'na aitmiş gibi sunulamaz. Benzer şekilde, içeriklerin hiçbiri, söz konusu içeriğin açıkça belirtilmiş yazarlarından ve Evrim Ağacı'ndan başkasına aitmiş gibi sunulamaz. Bu sayfa izin alınmaksızın düzenlenemez, Evrim Ağacı logosu, yazar/editör bilgileri ve içeriğin diğer kısımları izin alınmaksızın değiştirilemez veya kaldırılamaz.
