Chaotische opslag wordt nog steeds gezien als een schoolvoorbeeld voor mensen die te lui zijn om te zoeken. Aan de Technische Universiteit München (TUM) is nu een robot ontwikkeld die als primaire taak heeft om vermiste voorwerpen op te sporen. Volgens de TUM is het een van de eerste robotassistenten die niet alleen beeldherkenning integreert, maar deze ook op een zinvolle manier met elkaar verbindt.
Het is duidelijk dat het bevestigen van een tracker met RFID, wifi en een barcode aan elk denkbaar object en item hier niet de voor de hand liggende oplossing is. In plaats daarvan combineert de robot van het TUM Learning Systems and Robotics Lab van professor Angela Schoellig, die een camera bovenop heeft, informatie van internet met een ruimtelijke kaart van zijn omgeving.
Om iets te vinden, moet de robot rondkijken en een driedimensionaal beeld van de ruimte creëren. De camera levert aanvankelijk tweedimensionale beelden, maar de pixels daarvan bevatten ook diepte-informatie.
Pixels met diepte-informatie
Dit creëert een driedimensionaal beeld van de omgeving met een nauwkeurigheid tot op de centimeter, dat constant wordt bijgewerkt. Een laptop voorziet de robot ook van informatie over welke objecten zichtbaar zijn in het beeld en welke betekenis ze hebben voor mensen.
“We hebben de robot geleerd zijn omgeving te begrijpen”zegt Angela Schoellig. De visie van het hoofd van het robotica-lab van de leerstoel Veiligheid, Prestatie en Betrouwbaarheid voor Leersystemen aan de Technische Universiteit München (TUM) is om robots te ontwikkelen die zelfstandig in elke omgeving kunnen navigeren. Humanoïde robots die in fabrieken werken, of robots in de zorg die zich tussen verschillende woningen verplaatsen, hebben dit nieuw ontwikkelde basisbegrip nodig, dat, “belangrijk is voor alle robots die zich in constant veranderende ruimtes bewegen”– oftewel in dynamische omgevingen.
Foto's: TUM
Op basis van internetinformatie begrijpt de robot dat een tafel of vensterbank gebruikt kan worden om een specifiek voorwerp even neer te zetten, terwijl een fornuis of gootsteen daarvoor ongeschikt is. "Het taalmodel integreert de relaties tussen de objecten, en wij vertalen deze informatie naar de taal van de robot"legt Schoellig uit. Kleine tweecijferige getallen verschijnen op de driedimensionale kaart van de omgeving, die constant de waarschijnlijkheid herberekent dat het gezochte object zich daar bevindt.
In een dynamische omgeving
De robot doorzoekt de waarschijnlijke locaties vervolgens bijna 30 procent efficiënter dan wanneer hij willekeurig door de ruimte zou zoeken, zo blijkt uit het onderzoek. Kunstmatige intelligentie wordt dus op twee manieren gebruikt: ten eerste bij beeldherkenning en ten tweede door middel van een taalmodel. Een demonstratie van de zoekrobot was tot en met vrijdag te zien op het Duitse Robotica Congres in Keulen.
