بزرگنمايي:

سیاست و بازاریابی - ایسنا / به لطف پیشرفت جدید محققان مؤسسه فناوری ماساچوست(MIT) در حوزه تصویربرداری، ربات‌های انسان‌نما به زودی می‌توانند پشت دیوارها و درون بسته‌ها را ببینند. این سامانه در آزمایش‌های تجسم اشیاء پنهان به دقت 96 درصدی دست یافت.
گروهی از محققان MIT تکنیک تصویربرداری جدیدی را توسعه داده‌اند که می‌تواند به ربات‌های کنترل کیفیت در انبارها اجازه دهد تا به درون جعبه‌های بسته نگاه کنند.
بازار
ربات‌ها با استفاده از این فناوری جدید می‌توانند به جعبه‌های مقوایی نگاه کنند و مثلاً ببینند که دسته یک لیوان داخل یک بسته شکسته است.
به نقل از آی‌ای، این روش جدید می‌تواند کنترل کیفیت در انبارهای کالا را متحول کند و فرآیند حمل و نقل و تحویل را ساده‌تر کند.
رویکرد جدید تیم MIT از سیگنال‌های موج میلی‌متری(mmWave) برای ایجاد بازسازی‌های سه‌بعدی دقیق از اشیاء استفاده می‌کند. این سیگنال‌ها همان نوع سیگنال‌هایی هستند که در وای-فای استفاده می‌شوند و حتی اگر یک شیء از دید پنهان باشد، بازسازی‌ و تجسم آن را ممکن می‌کنند.
این امواج می‌توانند از ورق‌های پلاستیکی، دیوارهای داخلی و مقوا عبور کنند.
سپس از اشیاء پنهان منعکس می‌شوند و به یک حسگر اجازه می‌دهند تا این بازتاب‌ها را جمع‌آوری کند. سیستم تیم MIT که «mmNorm» نام دارد، دقیقاً همین کار را انجام می‌دهد. این سیستم داده‌های بازتاب موج را به الگوریتمی می‌دهد که شکل سطح جسم را تخمین می‌زند.
سامانه «mmNorm» در طول آزمایش‌ها به دقت بازسازی 96 درصدی دست یافت. این سامانه اشیایی مانند ظروف نقره و دریل‌های برقی را شناسایی و بازسازی کرد. تیم تحقیقاتی به طور خاص به دنبال بازسازی اشیایی با ساختارهای پیچیده و اشکال منحنی بود. به گفته تیم تحقیقاتی، سامانه‌های پیشرفته مشابه با این سامانه به دقت 78 درصدی دست می‌یابند، در حالی که دقت این سامانه جدید 96 درصد است.
این تیم می‌گوید سامانه بسیار کارآمد آنها که به پهنای باند اضافی نسبت به سیستم‌های سنتی نیاز ندارد، می‌تواند برای کاربردهای مختلفی مورد استفاده قرار گیرد. در کارخانه‌ها می‌توان از آن توسط بازوهای رباتیک که کالاها را روی یک نوار نقاله بازرسی می‌کنند، استفاده کرد. در همین حال، ربات‌های انسان‌نما ممکن است روزی از این روش برای گشت و گذار در کارخانه‌ها و بازرسی بسته‌ها و مخازن استفاده کنند.
نمونه اولیه سامانه «mmWave»
محققان MIT برای کار بر روی سامانه خود، به تکنیک‌های رادار سنتی نظر داشتند. در حالی که سیگنال‌های راداری «mmWave» به طور مؤثر یک هواپیما را که توسط ابرها پنهان شده است، تشخیص می‌دهند، اما به طور سنتی در تشخیص اشیاء کوچکتر مانند کالاهای خانگی کارآمد نبوده‌اند.
این تیم دریافت که سیستم‌های موجود، خاصیتی به نام بازتابندگی را نادیده می‌گیرند. این به سیگنال‌های موج FM اشاره دارد که مانند آینه از سطوح منعکس می‌شوند ولی خوانده نمی‌شود.
لارا دادز(Laura Dodds)، نویسنده اصلی مقاله‌ای که جزئیات این سامانه را شرح می‌دهد، در یک بیانیه مطبوعاتی توضیح داد: با تکیه بر بازتابندگی، ایده ما این است که سعی کنیم نه تنها محل بازتاب در محیط، بلکه جهت سطح در آن نقطه را نیز تخمین بزنیم.
این تیم «mmNorm» را برای تخمین سطح توسعه داد.
به عبارت دیگر، یک الگوریتم، جهتی را که یک سطح سیگنال‌ها را منعکس می‌کند، تخمین می‌زند. این تخمین‌ها امکان بازسازی دقیق‌تر شیء پنهان را فراهم می‌کنند.
در طول آزمایش‌های آنها، نمونه اولیه «mmNorm» از یک بازوی رباتیک با یک سیستم رادار متصل تشکیل شده بود و این بازوی رباتیک به طور مداوم در حین حرکت در اطراف شیء پنهان، اندازه‌گیری‌هایی انجام می‌داد.