但如果他们将所有相机数据和射频测量输入强化学习算法 ， 系统就会不堪重负 。 因此 ， 根据全球定位系统用于整合卫星数据的方法 ， 他们总结了射频测量 ， 并将视觉数据限制在机器人正前方的区域 。
他们的方法效果很好——RFusion在检索完全隐藏在一堆东西下的物品时成功率为96% 。
“有时 ， 如果你只依靠射频测量 ， 就会有一个异常值 ， 如果你只依赖视觉 ， 相机有时会出错 。 但如果你把它们结合起来 ， 它们会互相纠正 。 这就是该系统如此强大的原因 。 ”Boroushaki说 。
将来 ， 研究人员希望提高系统的速度 ， 使其平稳运行 ， 而不是定期停下来进行测量 。 这将使RFusion能够部署在快节奏的制造业或仓库环境中 。 Boroushaki说 ， 除了潜在的工业用途外 ， 像这样的系统甚至可以融入未来的智能家居 ， 以帮助人们完成各种家务 。
“每年 ， 数十亿个RFID标签用于识别当今复杂供应链中的物品 ， 包括服装和许多其他消费品 。 RFusion方法为自主机器人指明了道路 ， 这些机器人可以从一堆混合物品中找到目标物品 ， 并使用RFID标签中存储的数据进行分类 ， 这比单独检查每个项目要高效得多 ， 特别是当这些项目看起来像计算机视觉系统时 ， ”华盛顿大学副教授Matthew S.Reynolds说道 。 RFusion方法是机器人在复杂供应链中运行的一大进步 ， 在供应链中 ， 快速准确地识别和“挑选”正确的物品是按时完成订单和让苛刻客户满意的关键 。
本文由升哲科技编译 ， 转载请注明 。