七天小長假結束，又要從悠哉悠哉的旅遊生活轉換到千篇一律的“搬磚”節奏了。
時隔七天再次回到家，你還記得公司門卡放在哪裡了嗎？
這樣的情況是不是已經發生太多次了，不知道有多少人和文摘菌一樣，這時候只想給那些找不到的東西打通電話，最好它們能發個定位，或者乖乖回到我手裡。
別急，文摘菌今天就來給大家介紹能夠解決這個生活難題的技術。
最近MIT的研究人員就開發出了這麼一種機器人，搭載了攝像頭和射頻天線的機械手臂能夠識別帶有特定標籤的物體，比如每天都要丟一次的鑰匙，而且系統的成功率高達96%，這還考慮到了要在一堆髒衣服中找到一把鑰匙的情況。
MIT副教授Fadel Adib表示：“能夠在雜物中找到特定的物品，是我們多年來一直在研究的懸而未決的問題。”
“當然這也逐漸成為了一項日益增長的需求。”
研究人員表示，未來該系統還可以幫助整理成堆的物品，完成倉庫中的訂單、識別和安裝汽車製造廠的元件，或者幫助老人在家中執行日常任務。
論文連結如下，感興趣的同學可別錯過了：
論文連結：
https：//www。mit。edu/~fadel/papers/RFusion-paper。pdf
▍使用RFID標籤，系統能逐步鎖定目標物體
其實，如果用大白話來講，這項技術的工作原理就是使用天線搜尋物體。
不過這個天線會從一個微小的射頻識別 （RFID） 標籤反射訊號，該標籤可以附著在物品上，以防丟失。
先給大家插播一下RFID標籤。
可以看到，這種標籤與條形碼非常相似，都可用於快速識別物體，但RFID標籤可以儲存的資料比條形碼更多。比如，透過條形碼，你可以識別商品，但RFID標籤還可以告訴你商品的製作日期和地點。
RFID標籤現在已經被廣泛用於護照、圖書館書籍和非接觸式卡上，同時在倫敦，超過1000萬人支付公共交通費用的Oyster系統中也能找到RFID標籤。 除此之外，航空公司也會利用該系統來跟蹤行李以防止盜竊。
之所以選擇RFID標籤，是因為天線和標籤之間的射頻訊號可以穿過大多數表面，包括一堆可能蓋住的髒衣服。
一旦天線與RFID標籤成功通訊，它就會識別出標籤所在的球形區域。機器人隨後就可以將這個區域與其相機的輸入相結合，縮小物體的位置，然後將手臂對準物體，最終抓住物品，並驗證該物體是否是目標物體。
▍識別成功率達96%，未來或能納入智慧家居
除此之外，研究人員還使用強化學習訓練了一個神經網路，用於最佳化機器人到物體的軌跡。
在強化學習中，演算法透過反覆試驗和獎勵系統進行訓練。
“這也是我們大腦的學習方式。我們從老師、父母、電腦遊戲那裡得到獎勵，從而激勵大腦的學習過程，這也發生在強化學習當中。”Tara Boroushaki說。
“我們經常故意讓系統犯錯或做正確的事情，然後施以相應的懲罰或獎勵。透過這種方式，系統就能學會一些很難建模的東西。”
研究人員在多種不同的環境中測試了RFusion，包括將鑰匙鏈藏在一個雜亂無章的盒子裡，將遙控器藏在沙發上的一堆物品下面。
他們發現，即使是檢索完全隱藏在一堆物體下的某個特定物體時，系統的成功率為96%。
“如果只依賴射頻測量，就會有一個異常值，如果只依賴視覺，有時會出現來自相機的錯誤。”“但如果你把二者結合起來，它們就會互相糾正。這就是系統如此強大的原因。”Boroushaki總結到。
未來，研究人員希望提高系統的速度，使其能夠平穩移動，而不是定期停下來進行測量。這將使RFusion能夠部署在快節奏的製造或倉庫環境中。
除了其潛在的工業用途外，該系統甚至可以被納入未來的智慧家居，以幫助人們完成任何數量的家務。
▍為了幫助你找東西，科學家可沒少花心思
這類技術也早已有先例。
去年，CMU和FAIR合作開發了一款語義導航系統SemExp，可以利用常識來進行導航和執行尋物任務。
如果SemExp事先知道一些物體的位置，比如沙發在客廳，冰箱在廚房，系統會在尋找沙發或冰箱時會更有效率，即使系統對整個環境是完全陌生的。也就是說，SemExp使用的是類似於人類常識的知識在尋找東西。
CMU機器學習系博士生Devendra S。 Chaplot表示，該系統利用語義洞察力來確定尋找特定物體的最佳位置。一旦決定要去哪裡，就可以使用經典規劃方法來達到目標。
事實證明，這種模組化方法在很多方面卓有成效。SemExp的學習過程專注於目標與房間佈局之間的關係，隨後系統能應用語義推理確定最有效的搜尋策略，再應用導航規劃到達目的地。
在日本，東京大學資訊與機器人技術研究中心研發的一款機器人，外形像極了一位老奶奶。
機器人搭載了廣角鏡頭和影象識別軟體，可以監測固定地點並記錄物品的位置。比如，你要吃藥的時候，系統不僅可以告訴你藥的位置，還能檢測吃藥的次數，如果你嘗試吃第二次，它就會發出提醒。
哪裡有需求，哪裡就有創新。
希望這樣的能幫助我們找東西的機器人能夠儘快商業化呀！
——————————-END——————————-
看累了嗎？戳一下“在看”支援我們吧！