MWC 2018
2018
Computex
IFA 2018
Исследователи из Массачусетского технологического института (MIT) разработали систему, которая позволит роботам обнаруживать предметы, скрытые от глаз. Благодаря этому роботы по контролю качества смогут, например, выявлять бракованные товары в упаковке, не вскрывая её.
Источник изображения: news.mit.edu
В основе технологии лежит использование радиоволн миллиметрового диапазона (mmWave) — тех же сигналов, что используются в Wi-Fi и 5G. Система анализирует отражение радиоволн от разных предметов для построения точных 3D-моделей объектов, которые находятся за пределами прямой видимости.
Система получила название mmNorm, а лежащие в её основе радиоволны могут проникать сквозь различные материалы, например, пластиковые контейнеры или картонные коробки, и отражаться от скрытых внутри объектов. Система собирает и анализирует полученную таким образом информацию для точного воссоздания скрытых объектов.
По данным исследователей, точность работы системы mmNorm достигает 96 % при воссоздании повседневных предметов со сложными изогнутыми формами, таких как столовые приборы, хозяйственные инструменты и др. Для сравнения, подобные технологии прежде позволяли добиться точности не более 78 %.
Важно и то, что новая технология не требует дополнительной полосы радиочастот для достижения такой высокой точности. За счёт высокого уровня эффективности технология может найти применение в самых разных областях — от заводов до домов престарелых. Например, mmNorm позволит роботам определять инструменты, лежащие в закрытом ящике. При этом робот сможет идентифицировать рукоятки инструментов для более эффективного их захвата и дальнейшего манипулирования.
«Мы давно работаем над решением этой проблемы, но постоянно упирались в стену, поскольку предыдущие методы при всей их математической элегантности не давали нужного результата. Нам пришлось придумать принципиально новый подход к обработке сигналов, отличающийся от всего, что использовалось последние 50 лет, чтобы открыть дорогу для нестандартного применения», — рассказал Фадель Адиб (Fadel Adib), доцент кафедры электротехники и информатики в MIT, один из авторов исследования.
Традиционные технологии радиолокации предполагают излучение волн миллиметрового диапазона и обработку данных об их отражении от окружающих объектов. Такой метод называется «обратная проекция» и он хорошо работает для формирования моделей крупных объектов, таких как скрытый облаками самолёт. При этом технология не слишком хорошо справляется с идентификацией небольших предметов, например, кухонной утвари.
В ходе исследования было установлено, что существующие методы игнорируют важную особенность. Речь идёт о зеркальности, когда практически каждая поверхность, на которую попадают излучаемые волны, действует как зеркало и создаёт отражения. Если поверхность направлена в сторону антенны, сигнал отразится от объекта и вернётся к антенне. Если же поверхность направлена в другую сторону, отражённый сигнал уйдёт в сторону и не будет принят приёмником.
При разработке mmNorm исследователи пытались сделать так, чтобы система оценивала не только положение сигнала в пространстве, но и ориентацию поверхности в этой точке. В процессе работы mmNorm вычисляет так называемую нормаль к поверхности, т.е. вектор, перпендикулярный к поверхности в заданной точке. Эти данные используются для воссоздания кривизны поверхности объекта в каждой точке. Комбинируя данные о нормалях поверхности во всех точках пространства, mmNorm задействует специальную математическую модель для воссоздания трёхмерной модели объекта.
Исследователи создали прототип mmNorm, подключив радар к роботизированному манипулятору, который постоянно проводит измерения за счёт перемещения вокруг скрытого объекта. В процессе анализа система сравнивает силу отражённых сигналов для оценки кривизны форм скрытого объекта. К примеру, антенна будет принимать наиболее сильные сигналы от поверхностей, расположенных к ней перпендикулярно, и более слабые сигналы от поверхностей, обращённых под разными углами.
Несколько антенн получают определённое количество сигналов, после обработки которых системе удаётся определить форму скрытого предмета. Отмечается также, что система оценивает нормаль к поверхности из всех точек пространства, за счёт чего в ходе анализа генерируется множество возможных поверхностей. Для выбора правильной исследователи задействовали уже существующие технологии компьютерной графики, которые также служат для формирования конечной 3D-модели объекта сканирования.
Систему mmNorm протестировали на 60 небольших предметах сложной формы, таких как керамическая кружка с изгибающейся ручкой. Тестирование показало, что погрешность восстановления формы у новой технологии на 40 % ниже по сравнению с уже существующими аналогами, а точность определения позиции объектов в пространстве выше. Алгоритм может отличать друг от друга, лежащие внутри одной коробки, ложку, вилку, нож и др. Система хорошо справляется с построением моделей предметов, изготовленных из дерева, металла, пластика, резины и стекла. При этом она не подходит для сканирования предметов, скрытых за металлическими перегородками или толстыми стенами.
Источник:
