Cientistas criam braço robótico capaz de achar até itens perdidos em uma bolsa

Sabe aquela tarefa difícil de encontrar uma chave dentro de uma bolsa cheia de objetos ou achar o controle remoto esquecido no meio do sofá? Cientistas do MIT, nos EUA, desenvolveram um sistema capaz de cumprir essa missão. Eles criam um braço robótico que combina uma câmera com uma antena de radiofrequência para recuperar objetos perdidos.

• Braço robótico "extra" promete ajudar nas tarefas do dia a dia
• Braço robótico da Intel pode ajudar deficientes físicos a escrever
• Braço robótico controlado pela mente restaura a sensação do toque

O dispositivo chamado RFusion funde os sinais de rádio emitidos pela antena com a entrada visual proporcionada pela câmera acoplada ao braço para alcançar o item sumido, mesmo que ele esteja encoberto debaixo de uma pilha de outros objetos e completamente fora do campo visual do robô.

“Essa ideia de ser capaz de encontrar itens em um ambiente caótico é um problema em aberto em que estamos trabalhando há alguns anos. Ter robôs que conseguem pesquisar coisas embaixo de uma pilha de objetos é uma necessidade crescente na indústria de hoje”, diz o professor de engenharia elétrica Fadel Adib, coautor do estudo.

RFID

O protótipo criado pelos pesquisadores utiliza etiquetas RFID (acrônimo de Radio-Frequency Identification ou, em português, Identificação por Rádio Frequência) que são baratas, não precisam de bateria para funcionar e podem ser presas a um item para refletir os sinais enviados por uma antena.

Como esses sinais RF podem viajar através da maioria das superfícies, como um monte de roupas sujas, por exemplo, o RFusion é capaz de identificar qualquer objeto etiquetado. Um sistema de aprendizagem de máquina ajuda o braço robótico a traçar a localização exata e mover os itens que estão por cima até encontrar o objeto desejado.

“Embora encontrar chaves perdidas seja útil, o RFusion pode ter aplicações mais amplas no futuro, como separar pilhas para atender pedidos em um depósito, identificar e instalar componentes em uma fábrica de automóveis ou ajudar um indivíduo idoso a realizar tarefas diárias em casa”, prevê Adib.

Sistema de busca

Para encontrar um objeto perdido, o RFusion usa uma antena que reflete os sinais da etiqueta RFID, identificando uma área esférica de localização. Os pesquisadores usaram aprendizagem por reforço para treinar a rede neural e otimizar a trajetória do robô até o item escondido.

O algoritmo de otimização aprendeu por meio de um sistema de tentativa e erro que recompensava a máquina a cada acerto, limitando o número de movimentos que eram necessários para localizar o objeto e a distância percorrida para pegá-lo. Depois que o sistema identifica o ponto exato, a rede neural combina os sinais RF e as informações da câmera para prever como o braço robótico deve agarrar o objeto e se ele precisa remover outros itens primeiro.

“É assim também que nosso cérebro aprende quando somos recompensados ​​por nossos professores ou por nossos pais. A mesma coisa acontece na aprendizagem por reforço. Deixamos o agente cometer erros ou fazer algo certo e então punimos ou recompensamos a rede neural”, explica a estudante de engenharia elétrica Tara Boroushaki, coautora do estudo.

Precisão

Para não sobrecarregar o sistema com todos os dados obtidos pela câmera e pelas etiquetas RFID, os pesquisadores basearam-se em um método utilizado por aparelhos de GPS para restringir as medições de RF e as informações visuais apenas na área que ficava na frente do robô.

Com essa abordagem limitante do sistema de rastreamento, o RFusion teve uma taxa de sucesso de 96% para recuperar um chaveiro totalmente encoberto em uma caixa cheia de itens bagunçados ou encontrar um controle remoto escondido entre vários objetos espalhados em um sofá.

“No futuro, esperamos aumentar a velocidade do sistema para que ele possa se mover suavemente, em vez de parar periodicamente para fazer medições. Isso permitiria que o RFusion fosse implantado em um ambiente industrial. Além disso, ele poderia ser incorporado em casas inteligentes, ajudando as pessoas nas tarefas domésticas”, encerra Tara Boroushaki.

Fonte: MIT