Um novo sistema desenvolvido no MIT usa etiquetas RFID para ajudar os robôs a localizar objetos em movimento com velocidade e precisão sem precedentes. O sistema pode permitir uma maior colaboração e precisão por robôs que trabalham na embalagem e montagem, e por enxames de drones em missões de busca e resgate.

Em um artigo a ser apresentado na próxima semana no Simpósio USENIX sobre Projeto e Implementação de Sistemas em Rede, os pesquisadores mostram que os robôs que usam o sistema podem localizar objetos marcados em 7,5 milissegundos, na média, e com um erro inferior a um centímetro.

No sistema, chamado TurboTrack, uma etiqueta RFID (identificação por radiofrequência) pode ser aplicada a qualquer objeto. Um leitor envia um sinal sem fio que reflete na etiqueta RFID e outros objetos próximos, e repercute para o leitor. Um algoritmo examina todos os sinais refletidos para encontrar a resposta da etiqueta RFID. Os cálculos finais aproveitam o movimento da etiqueta RFID - embora isso geralmente diminua a precisão - para melhorar sua precisão de localização.

Os pesquisadores dizem que o sistema pode substituir a visão computacional para algumas tarefas robóticas. Tal como acontece com sua contraparte humana, a visão do computador é limitada pelo que pode ver, e pode deixar de notar objetos em ambientes desordenados. Os sinais de radiofrequência não têm tais restrições:eles podem identificar alvos sem visualização, dentro da desordem e através das paredes.

Para validar o sistema, os pesquisadores anexaram uma etiqueta RFID a uma tampa e outra a uma garrafa. Um braço robótico localizou a tampa e colocou-a na garrafa, segurado por outro braço robótico. Em outra demonstração, os pesquisadores rastrearam nanodrones equipados com RFID durante o acoplamento, manobrando, e voando. Em ambas as tarefas, o sistema era tão preciso e rápido quanto os sistemas tradicionais de visão por computador, ao trabalhar em cenários onde a visão computacional falha, relatam os pesquisadores.

"Se você usa sinais de RF para tarefas normalmente realizadas com visão computacional, você não apenas permite que robôs façam coisas humanas, mas você também pode capacitá-los a fazer coisas sobre-humanas, "diz Fadel Adib, professor assistente e investigador principal do MIT Media Lab, e diretor fundador do Signal Kinetics Research Group. "E você pode fazer isso de forma escalonável, porque essas etiquetas RFID custam apenas 3 centavos cada. "

Na manufatura, o sistema pode permitir que os braços do robô sejam mais precisos e versáteis em, dizer, Pegando, montagem, e itens de embalagem ao longo de uma linha de montagem. Outra aplicação promissora é o uso de "nanodrones" portáteis para missões de busca e resgate. Nanodrones atualmente usam visão computacional e métodos para juntar imagens capturadas para fins de localização. Esses drones costumam se confundir em áreas caóticas, perdem-se atrás das paredes, e não podem se identificar de maneira única. Tudo isso limita sua capacidade de, dizer, espalhe-se por uma área e colabore na busca por uma pessoa desaparecida. Usando o sistema dos pesquisadores, nanodrones em enxames poderiam localizar-se melhor, para maior controle e colaboração.

"Você pode permitir que um enxame de nanodrones se forme de certas maneiras, voar em ambientes desordenados, e até mesmo ambientes escondidos da vista, com grande precisão, "diz o primeiro autor Zhihong Luo, um estudante de pós-graduação no Signal Kinetics Research Group.

Os outros co-autores do Media Lab no artigo estão visitando o aluno Qiping Zhang, pós-doutorado Yunfei Ma, e Assistente de Pesquisa Manish Singh.

Super-resolução

O grupo de Adib trabalha há anos no uso de sinais de rádio para fins de rastreamento e identificação, como a detecção de contaminação em alimentos engarrafados, comunicar-se com dispositivos dentro do corpo, e gerenciamento de estoque de armazém.

Sistemas semelhantes tentaram usar etiquetas RFID para tarefas de localização. Mas isso vem com compensações em precisão ou velocidade. Para ser exato, podem levar vários segundos para encontrar um objeto em movimento; para aumentar a velocidade, eles perdem precisão.

O desafio era alcançar velocidade e precisão simultaneamente. Para fazer isso, os pesquisadores se inspiraram em uma técnica de imagem chamada "imagem de super-resolução". Esses sistemas unem imagens de vários ângulos para obter uma imagem de resolução mais precisa.

"A ideia era aplicar esses sistemas de super-resolução aos sinais de rádio, "Adib diz." À medida que algo se move, você obtém mais perspectivas de rastreá-lo, para que você possa explorar o movimento para obter precisão. "

O sistema combina um leitor RFID padrão com um componente "auxiliar" que é usado para localizar sinais de radiofrequência. O auxiliar dispara um sinal de banda larga compreendendo várias frequências, com base em um esquema de modulação usado em comunicação sem fio, chamado de multiplexação por divisão de frequência ortogonal.

O sistema captura todos os sinais que ricocheteiam em objetos no ambiente, incluindo a etiqueta RFID. Um desses sinais carrega um sinal específico para a etiqueta RFID específica, porque os sinais RFID refletem e absorvem um sinal de entrada em um determinado padrão, correspondendo a bits de 0s e 1s, que o sistema pode reconhecer.

Como esses sinais viajam à velocidade da luz, o sistema pode calcular um "tempo de vôo" - medindo a distância calculando o tempo que leva um sinal para viajar entre um transmissor e um receptor - para medir a localização da etiqueta, bem como os outros objetos no ambiente. Mas isso fornece apenas um valor aproximado de localização, não precisão de subcentímetro.

Alavancando o movimento

Para aumentar o zoom na localização da tag, os pesquisadores desenvolveram o que chamam de algoritmo de "super resolução espaço-tempo".

O algoritmo combina as estimativas de localização para todos os sinais de repercussão, incluindo o sinal RFID, que determinou usando o tempo de vôo. Usando alguns cálculos de probabilidade, ele restringe esse grupo a um punhado de locais potenciais para a etiqueta RFID.

Conforme a tag se move, seu ângulo de sinal se altera ligeiramente - uma mudança que também corresponde a um determinado local. O algoritmo então pode usar essa mudança de ângulo para rastrear a distância da tag conforme ela se move. Comparando constantemente essa medição de distância em mudança com todas as outras medições de distância de outros sinais, ele pode encontrar a tag em um espaço tridimensional. Tudo isso acontece em uma fração de segundo.

"A ideia de alto nível é que, combinando essas medidas ao longo do tempo e do espaço, você consegue uma reconstrução melhor da posição da tag, "Adib diz.

Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.