Robot RF-Grasp : détection d'objets cachés par vision à ondes radio
Des chercheurs ont développé un robot qui utilise les ondes radio, capables de traverser les murs, pour détecter des objets occultés. Le robot, appelé RF-Grasp, combine cette détection puissante avec de la vision par ordinateur plus traditionnelle pour localiser et saisir des objets qui pourraient autrement être bloqués de la vue. Cette avance pourrait un jour rationaliser les opérations d'entrepôt ou aider une machine à extraire un tournevis d'une boîte à outils en désordre.
Le travail d'entrepôt reste généralement le domaine des humains, pas des robots, malgré des conditions parfois dangereuses. C'est en partie parce que les robots peinent à localiser et saisir des objets dans un tel environnement encombré. En utilisant seulement la vision optique, les robots ne peuvent pas percevoir la présence d'un objet emballé dans une boîte ou caché derrière un autre objet sur l'étagère car les ondes lumineuses visibles ne traversent pas les murs — mais les ondes radio le peuvent.
Les systèmes d'identification par radiofréquence (RFID) ont deux composants principaux : un lecteur et une étiquette. L'étiquette est une minuscule puce informatique qui s'attache à ou, dans le cas des animaux, s'implante dans l'objet à suivre. Le lecteur émet alors un signal RF, qui est modulé par l'étiquette et réfléchi vers le lecteur. Le signal réfléchi fournit l'information sur la localisation et l'identité de l'objet étiqueté.
RF-Grasp utilise à la fois une caméra et un lecteur RF pour trouver et saisir des objets étiquetés, même quand ils sont complètement bloqués de la vue de la caméra. Il consiste en un bras robotique attaché à une main préhensile. La caméra est sur le poignet du robot.
Le lecteur RF est indépendant du robot et relaie l'information de suivi à l'algorithme de contrôle du robot. Ainsi, le robot collecte constamment à la fois des données de suivi RF et une image visuelle de son environnement.
Intégrer ces deux flux de données dans la prise de décision du robot était l'un des plus grands défis des chercheurs. Le robot doit décider, à chaque instant, lequel des flux est le plus important à considérer. Le robot initie le processus de recherche-et-saisie en pingant l'étiquette RF de l'objet cible pour avoir un sens de sa localisation. La séquence est analogue à entendre une sirène derrière soi, puis se tourner pour regarder et avoir une image plus claire de la source.
Avec ses deux sens complémentaires, RF-Grasp se concentre sur l'objet cible. À mesure qu'il se rapproche et commence même à manipuler l'objet, la vision, qui fournit des détails bien plus fins que le RF, domine la prise de décision du robot.
Comparé à un robot similaire équipé seulement d'une caméra, RF-Grasp a pu localiser et saisir son objet cible avec environ la moitié du mouvement total. De plus, RF-Grasp a affiché la capacité unique de « désencombrer » son environnement — enlevant matériaux d'emballage et autres obstacles sur son chemin pour accéder à la cible.
La détection RF de RF-Grasp pourrait vérifier instantanément l'identité d'un article dans un entrepôt sans avoir à manipuler l'article, exposer son code-barres, puis le scanner. Applications domestiques potentielles : localiser la bonne clé dans une boîte à outils ou retrouver des objets perdus.
Pour plus d'informations, contactez Abby Abazorius à cet email protégé ; 617-253-2709.
Capteur
- Robot DIY inspiré de Wall‑E : Raspberry Pi dans une boîte de CD recyclée
- Robot réveil roulant : Système mobile intelligent piloté par Raspberry Pi et Google Calendar
- Construire un robot vision par ordinateur piloté par la parole sur Windows 10 IoT Core
- Robot ROS : Navigation pilotée par terminal sur Raspberry Pi
- L'IA permet aux robots d'identifier plus de 90 objets par le toucher
- Thermographie de profondeur : mesure précise de la température interne pour matériaux 3D
- Robots collaboratifs à guidage manuel : explications des normes de sécurité
- Robot autonome maîtrisant l'ouverture de portes — Une percée pour les robots de service
- Imagerie radio temps réel : Détection d'objets cachés et à grande vitesse à distance