Mempersingkat Kekacauan
Para peneliti menguji RFusion di beberapa lingkungan berbeda. Mereka mengubur gantungan kunci di dalam kotak yang penuh dengan kekacauan dan menyembunyikan remote control di bawah tumpukan barang di sofa.
Tetapi jika mereka memasukkan semua data kamera dan pengukuran RF ke algoritma pembelajaran penguatan, itu akan membuat sistem kewalahan. Jadi, berdasarkan metode yang digunakan GPS untuk mengkonsolidasikan data dari satelit, mereka merangkum pengukuran RF dan membatasi data visual ke area tepat di depan robot.
Pendekatan mereka bekerja dengan baik — RFusion memiliki tingkat keberhasilan 96 persen saat mengambil objek yang sepenuhnya tersembunyi di bawah tumpukan.
“Terkadang, jika Anda hanya mengandalkan pengukuran RF, akan ada outlier, dan jika Anda hanya mengandalkan penglihatan, terkadang akan ada kesalahan dari kamera. Tetapi jika Anda menggabungkannya, mereka akan saling mengoreksi. Itulah yang membuat sistem ini begitu kuat,” kata Boroushaki.
Baca Juga: Untuk Pertama Kalinya, Robot Penjelajah Tiongkok Mendarat di Mars
Kedepannya, peneliti berharap dapat meningkatkan kecepatan sistem agar dapat bergerak dengan lancar, daripada berhenti secara berkala untuk melakukan pengukuran. Ini akan memungkinkan RFusion untuk digunakan dalam pengaturan manufaktur atau gudang yang bergerak cepat.
“Di luar potensi penggunaan industrinya, sistem seperti ini bahkan dapat dimasukkan ke dalam rumah pintar masa depan untuk membantu orang dengan sejumlah tugas rumah tangga,” kata Boroushaki.
“Setiap tahun, miliaran tag RFID digunakan untuk mengidentifikasi objek dalam rantai pasokan yang kompleks saat ini, termasuk pakaian dan banyak barang konsumsi lainnya. Pendekatan RFusion menunjukkan jalan menuju robot otonom yang dapat menggali tumpukan barang campuran dan memilahnya menggunakan data yang disimpan dalam tag RFID, jauh lebih efisien daripada harus memeriksa setiap item satu per satu, terutama saat item terlihat mirip dengan sistem visi komputer,” kata Matthew S. Reynolds, CoMotion Presidential Innovation Fellow dan profesor teknik elektro dan komputer di University of Washington, yang tidak terlibat dalam penelitian.
Dia menambahkan, “Pendekatan RFusion adalah langkah maju yang bagus untuk robotika yang beroperasi dalam rantai pasokan yang kompleks di mana mengidentifikasi dan 'memilih' item yang tepat dengan cepat dan akurat adalah kunci untuk memenuhi pesanan tepat waktu dan membuat pelanggan yang menuntut tetap senang.”
Penelitian ini disponsori oleh National Science Foundation, Sloan Research Fellowship, NTT DATA, Toppan, Toppan Forms, dan Abdul Latif Jameel Water and Food Systems Lab.
Para peneliti di MIT telah mengembangkan lengan robot terintegrasi yang menggabungkan data visual dari kamera dan informasi frekuensi radio (RF) dari antena untuk menemukan dan mengambil objek, bahkan ketika objek tersebut terkubur di bawah tumpukan dan sepenuhnya tidak terlihat.
Baca Juga: Sains Terbaru, Robot Ini Bisa Berenang dengan Efisien Mirip Satwa Laut