U proteklih deset godina istraživači iz MIT-a razvijaju tehnologiju koja omogućuje robotima da „vide“ kroz zidove i druge prepreke. Korištenjem radiovalova koji prodiru kroz materijal, robot može primiti odraze od skrivenih objekata i na temelju tih podataka rekonstruirati njihov oblik. Nedavno je tim dodatno kombinirao ovu bežičnu senzorsku tehnologiju s generativnom umjetnom inteligencijom, što je rezultiralo značajnim napretkom u načinu na koji roboti percipiraju i upravljaju okolinom.
Kako radiovalovi otkrivaju skrivene objekte
Klasični sistemi bežičnog vizualnog nadzora koriste senzore slične radaru koji šalju valove i čitaju odraze koji se vraćaju od površina. Odrazi otkrivaju prisutnost objekta, ali podaci su često nedovoljno detaljni i ne pružaju potpunu sliku o obliku. Kao rezultat toga, roboti se suočavaju s grubim modelima objekata, što otežava precizno hvatanje ili pomicanje predmeta.
MIT‑ov tim, pod vodstvom profesora Fedela Adiba, razvio je generativni model umjetne inteligencije koji popunjava praznine u podacima. Model uči statističke obrasce refleksije radiovalova od različitih materijala i na temelju tih obrazaca predviđa nedostajuće dijelove geometrije objekta. Rezultat je detaljniji trodimenzionalni model koji robot može koristiti za planiranje hvatanja ili navigaciju.
Generativna umjetna inteligencija popunjava praznine u podacima
Umjetna inteligencija u ovom kontekstu djeluje kao „poboljšivač“ podataka. Umjesto da se oslanja na tradicionalne algoritme za obradu signala, generativni model stvara realistične predikcije na temelju velikog skupa podataka o refleksiji radiovalova. To znači da robot ne mora imati potpunu informaciju o svakom detalju objekta; dovoljno je da ima djelomične odraze, a AI će iz njih izgraditi cjelovitu sliku.
Mapiranje cijelih prostorija jednim radarem
Tim je proširio tehniku na mapiranje cijelih prostorija. Jedan fiksni radar emitira signale koji se odbijaju od ljudi i nameštaja dok se oni kreću. Generativna AI povezuje raspršene refleksije i stvara potpunu rekonstrukciju scene koja uključuje svaku komodu, stol i lokaciju svake osobe.
Za razliku od tradicionalnih kamera, koje zahtijevaju svjetlo i vidljivost, ova metoda radi i u potpunoj mraku ili u uvjetima kada je vidljivost ograničena. To otvara nove mogućnosti za robotiku u kućanstvu, industriji i sigurnosnim operacijama, gdje je važno brzo i pouzdano prepoznavanje objekata bez izravnog vizualnog kontakta.
Praktične primjene i budući izazovi
Jedna od najbližih primjena je automatizirano skladištenje, gdje roboti mogu precizno locirati zalihe unutar tankih regala bez potrebe za otvaranjem vrata. U medicinskoj industriji, robotima bi se moglo omogućiti pretraživanje zaliha u skladištima koja su zatvorena ili nedostupna za ljudske radnike.
Osim skladišta, ova tehnologija može biti ključna u hitnim situacijama, poput spašavanja u zgradama s nestabilnom strukturom, gdje roboti mogu brzo identificirati skrivene prepreke i putanje za evakuaciju bez opasnosti za živu osobu. Također, u poljoprivredi roboti mogu detektirati skrivene korijenje