В документе, представленном на следующей неделе на симпозиуме USENIX по проектированию и внедрению сетевых систем, исследователи показывают, что роботы, использующие систему, могут находить помеченные объекты в пределах 7.В среднем 5 миллисекунд с погрешностью менее сантиметра.
В системе TurboTrack метка RFID (радиочастотная идентификация) может быть применена к любому объекту.
Считыватель отправляет беспроводной сигнал, который отражается от RFID-метки и других близлежащих объектов, и возвращается к считывателю. Алгоритм просматривает все отраженные сигналы, чтобы найти ответ RFID-метки.
Затем в окончательных вычислениях используется движение RFID-метки – даже если это обычно снижает точность – для повышения точности ее локализации.
Исследователи говорят, что система может заменить компьютерное зрение для некоторых роботизированных задач.
Как и в случае с человеческим аналогом, компьютерное зрение ограничено тем, что оно может видеть, и оно может не замечать объекты в загроможденной среде. Радиочастотные сигналы не имеют таких ограничений: они могут идентифицировать цели без визуализации, внутри беспорядка и сквозь стены.
Чтобы проверить систему, исследователи прикрепили одну RFID-метку к крышке, а другую – к бутылке. Роботизированная рука обнаружила крышку и поместила ее на бутылку, удерживаемую другой роботизированной рукой.
В другой демонстрации исследователи отслеживали нанодроны, оснащенные RFID, во время стыковки, маневрирования и полета. По словам исследователей, в обеих задачах система была такой же точной и быстрой, как и традиционные системы компьютерного зрения, но при этом работала в сценариях, где компьютерное зрение дает сбой.
«Если вы используете радиочастотные сигналы для задач, которые обычно выполняются с помощью компьютерного зрения, вы не только позволяете роботам делать человеческие вещи, но и можете делать сверхчеловеческие вещи», – говорит Фадель Адиб, доцент и главный исследователь Массачусетского технологического института.
Media Lab и директор-основатель Signal Kinetics Research Group. "И вы можете сделать это масштабируемым способом, потому что эти RFID-метки стоят всего 3 цента каждая."
В производстве система может позволить роботу-манипулятору быть более точным и универсальным, например, для сбора, сборки и упаковки предметов на сборочной линии.
Еще одно перспективное применение – использование портативных «нанодронов» для поисково-спасательных операций. В настоящее время нанодроны используют компьютерное зрение и методы для объединения захваченных изображений в целях локализации. Эти дроны часто путаются в хаотичных местах, теряются за стенами и не могут однозначно идентифицировать друг друга. Все это ограничивает их способность, скажем, рассредоточиться по территории и сотрудничать в поисках пропавшего человека.
Используя систему исследователей, стаями нанодронов можно было бы лучше определять местонахождение друг друга для большего контроля и сотрудничества.
«Вы можете позволить рой нанодронов формироваться определенным образом, летать в загроможденную окружающую среду и даже в среду, скрытую от глаз, с большой точностью», – говорит первый автор Чжихун Ло, аспирант исследовательской группы Signal Kinetics Research Group.
Другими соавторами этой статьи являются студентка Ципин Чжан, постдок Юнфэй Ма и научный сотрудник Маниш Сингх.
Супер разрешение
Группа Адиба в течение многих лет работает над использованием радиосигналов для отслеживания и идентификации, таких как обнаружение загрязнения продуктов в бутылках, связь с устройствами внутри тела и управление складскими запасами.
Подобные системы пытались использовать RFID-метки для задач локализации. Но здесь есть компромисс либо в точности, либо в скорости. Чтобы быть точным, им может потребоваться несколько секунд, чтобы найти движущийся объект; для увеличения скорости они теряют точность.
Задача заключалась в одновременном достижении скорости и точности. Для этого исследователи черпали вдохновение из техники визуализации, называемой «визуализация со сверхвысоким разрешением."Эти системы сшивают изображения под разными углами, чтобы получить изображение с более высоким разрешением.
«Идея заключалась в том, чтобы применить эти системы сверхвысокого разрешения к радиосигналам», – говорит Адиб. "По мере того, как что-то движется, вы получаете больше перспектив в отслеживании, поэтому вы можете использовать движение для точности."
Система сочетает в себе стандартный считыватель RFID и вспомогательный компонент, который используется для локализации радиочастотных сигналов. Помощник выдает широкополосный сигнал, состоящий из нескольких частот, на основе схемы модуляции, используемой в беспроводной связи, называемой мультиплексированием с ортогональным частотным разделением.
Система фиксирует все сигналы, отражающиеся от объектов в окружающей среде, включая RFID-метку.
Один из этих сигналов несет сигнал, специфичный для конкретной метки RFID, потому что сигналы RFID отражают и поглощают входящий сигнал в определенном шаблоне, соответствующем битам нулей и единиц, которые система может распознать.
Поскольку эти сигналы распространяются со скоростью света, система может вычислить «время полета» – измеряя расстояние, вычисляя время, необходимое сигналу для прохождения между передатчиком и приемником, – чтобы определить местоположение метки, как а также другие объекты в окружающей среде. Но это дает только приблизительную цифру локализации, а не субцентральную точность.
Использование движения
Чтобы увеличить местоположение метки, исследователи разработали так называемый алгоритм «пространственно-временного сверхразрешения».
Алгоритм объединяет оценки местоположения для всех сигналов отскока, включая сигнал RFID, который он определил с использованием времени полета. Используя некоторые вероятностные вычисления, он сужает эту группу до нескольких потенциальных мест для RFID-метки.
По мере движения метки угол его сигнала немного изменяется – изменение, которое также соответствует определенному местоположению. Затем алгоритм может использовать это изменение угла для отслеживания расстояния тега при его перемещении. Постоянно сравнивая это изменяющееся измерение расстояния со всеми другими измерениями расстояния от других сигналов, он может найти тег в трехмерном пространстве. Все это происходит за доли секунды.
«Идея высокого уровня состоит в том, что, комбинируя эти измерения во времени и в пространстве, вы получаете лучшую реконструкцию положения тега», – говорит Адиб.
Работа частично спонсировалась Национальным научным фондом.