Nationalgeographic.co.id—Seorang pekerja yang sibuk siap untuk berjalan keluar pintu, hanya untuk menyadari bahwa mereka telah kehilangan kunci mereka dan harus mencari di antara tumpukan barang untuk menemukannya. Dengan cepat memilah-milah kekacauan, mereka berharap bisa mengetahui tumpukan mana yang kira-kira memiliki kunci.
Para peneliti di MIT telah menciptakan sistem robot yang dapat melakukan hal merepotkan itu. RFusion adalah lengan robot dengan kamera dan antena frekuensi radio (RF) yang terpasang pada grippernya. Robot ini menggabungkan sinyal dari antena dengan input visual dari kamera untuk mencari dan mengambil benda, bahkan jika benda terkubur di bawah tumpukan dan benar-benar tidak terlihat.
Menggunakan pembelajaran mesin, lengan robot secara otomatis membidik lokasi objek yang tepat, memindahkan item di atasnya, menggenggam objek, dan memverifikasi bahwa benda itu telah mengambil benda yang benar. Kamera, antena, lengan robot, dan AI terintegrasi penuh, sehingga RFusion dapat bekerja di lingkungan apa pun tanpa memerlukan pengaturan khusus.
Prototipe RFusion yang dikembangkan para peneliti bergantung pada tag RFID, yang cukup murah dan mudah ditemukan, tag ini adalah benda tanpa baterai yang dapat ditempelkan pada benda apapun dan memantulkan sinyal yang dikirim oleh antena. Karena sinyal RF dapat melewati sebagian besar permukaan (seperti gundukan cucian kotor yang mungkin menutupi kunci), RFusion dapat menemukan benda yang telah ditandai di dalam tumpukan.
“Gagasan untuk dapat menemukan item di dunia yang kacau ini adalah masalah serius yang telah kami kerjakan selama beberapa tahun. Memiliki robot yang mampu mencari hal-hal di bawah tumpukan adalah kebutuhan yang berkembang di industri saat ini. Saat ini, Anda dapat menganggap ini sebagai Roomba pada steroid, tetapi dalam waktu dekat, ini dapat memiliki banyak aplikasi di lingkungan manufaktur dan gudang, ”kata penulis senior Fadel Adib, profesor di Departemen Teknik Elektro dan Komputer Sains dan direktur grup Signal Kinetics di MIT Media Lab.
Meskipun menemukan kunci yang hilang sangat membantu, RFusion dapat memiliki banyak aplikasi yang lebih luas di masa mendatang, seperti memilah-milah tumpukan untuk memenuhi pesanan di gudang, mengidentifikasi dan memasang komponen di pabrik manufaktur mobil, atau membantu individu lanjut usia melakukan tugas sehari-hari di rumah, meskipun prototipe saat ini belum cukup cepat untuk penggunaan ini.
Baca Juga: Robot Penjelajah Curiosity Menemukan 'Kadal' Batu di Planet Mars
Mengirim sinyal
RFusion mulai mencari objek menggunakan antenanya, yang memantulkan sinyal dari tag RFID (seperti sinar matahari yang dipantulkan dari cermin) untuk mengidentifikasi area pantulan di mana tag berada. Ini menggabungkan pantulan itu dengan input kamera, yang memungkinkan untuk mempersempit lokasi objek. Misalnya, item tidak dapat ditempatkan di area tabel yang kosong.
Tetapi begitu robot memiliki gagasan umum tentang di mana benda itu berada, ia perlu mengayunkan lengannya secara luas di sekitar ruangan untuk melakukan pengukuran tambahan untuk menemukan lokasi yang tepat, sayangnya gerak lengan robot itu lambat dan tidak efisien.
Para peneliti menggunakan pembelajaran penguatan untuk melatih jaringan saraf yang dapat mengoptimalkan lintasan robot ke objek. Dalam pembelajaran penguatan, algoritma dilatih melalui uji coba dengan sistem penghadiahan.
“Ini juga cara otak kita belajar. Kita akan mendapatkan penghargaan dari guru, dari orang tua, dari permainan komputer, dll. Hal yang sama terjadi dalam pembelajaran penguatan. Kami membiarkan algoritma membuat kesalahan atau melakukan sesuatu dengan benar dan kemudian kami menghukum atau memberi penghargaan kepada jaringan. Beginilah cara jaringan mempelajari sesuatu yang sangat sulit untuk dimodelkan,” jelas Boroushaki.
Dalam kasus RFusion, algoritme pengoptimalan dihadiahi ketika membatasi jumlah gerakan yang harus dilakukan untuk melokalisasi item dan jarak yang harus ditempuh untuk mengambilnya.
Setelah sistem mengidentifikasi tempat yang tepat, jaringan saraf menggunakan gabungan RF dan informasi visual untuk memprediksi bagaimana lengan robot harus menggenggam objek, termasuk sudut tangan dan lebar gripper, dan apakah harus melepas item lain terlebih dahulu. Robot itu juga memindai tag item untuk terakhir kalinya untuk memastikan dia telah mengambil objek yang tepat.
Baca Juga: Eva, Robot Kecerdasan Buatan yang Dapat Meniru Ekspresi Wajah Manusia
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