麻省理工学院媒体实验室(MIT Media Lab)的研究人员重点利用RFID技术和计算机视觉技术，使机器人能够探索身处的环境，以便定位和移动可能看不见的目标物品。该机器人系统已经进行了多年的开发、模拟和测试，并利用机器学习更好地完成各类复杂的任务。
目前，该团队正计划将这项研究商业化。
在寻求商业化过程中，研究人员一直在采访潜在的客户，并计划一个可能的企业分拆。今年，该团队参与了由美国国家科学基金会牵头的I-Corps项目，以确定潜在的赞助商并规划出第一个产品。
麻省理工学院副教授、媒体实验室首席研究员法德尔·阿迪布(Fadel Adib)说：“这项技术已经足够成熟，可以将其从实验室带入现实世界。”
该机器人系统的RFID部分采用了研究人员称之为RF感知的技术，包括现成的无源UHF RFID标签，以及安装在机器人环境中的RFID阅读器和专用天线。当物品不可见时，机器人利用RFID识别物品及其具体位置。数据分析软件可以通过计算机视觉引导机器人关注自己面前的物品，确定需要移动或导航的物品，并据此采取相应行动。
研究人员说，这项技术可以用于制造商、零售商或仓库的物品分类、拣选或放置。
该机器人的设计主要有两种应用方案。一是监控货物在仓库中的移动，这些货物需要根据客户的订单进行挑选和包装。传统上，这需要员工在过道里来回移动，打开箱子，找到指定的物品，然后装进集装箱里。有了RFID技术，机器人可以识别指定的箱子或特定货架上的物品，然后抓取该物品并确认其放置位置。该系统设计目的是为了防止出错，这意味着公司可以最大限度地降低由于发货错误而导致的退货率。
二是用于固定区域内复杂、拥挤的环境，例如对退回的货物进行分类处理的专用区域。这里的机器人可以设计用来对一堆产品进行分类和识别，将不需要的或优先级较低的物品移到一边，然后取走它所寻找的标记物品并放进一个箱子里进行装运。
阿迪布说，尽管许多公司使用机器人来识别和移动货物，但“我们关注的是最后一英里、最后一米，这是一个非常复杂的部分，需要识别并找到一个指定的物品”。
麻省理工学院媒体实验室研究助理、RF-Grasp项目的学生导师塔拉·博鲁夏基(Tara Boroushaki)说，传统上，机器人在拥挤的环境中很难定位和抓取物品。虽然计算机视觉可以帮助机器人了解眼前的东西，但如果它要找的货物放在箱子里或被货架上的另一个物体挡住，机器人的可靠性就会降低。
麻省理工学院媒体实验室四年来一直致力于RFID技术，包括RFID和计算机视觉解决方案，例如创建用于机器人的高精度UHF RFID、用RFID创新检测食品安全等。该实验室的TurboTrack系统被设计成在不到一厘米的范围内精确定位UHF RFID标签。
为了实现高精度定位，该系统至少使用了三个RFID天线，这些天线以800~900 MHz的频率向UHF阅读器发送短脉冲，UHF阅读器则发送标准的902~928 MHz传输来询问标签。然后，麻省理工学院媒体实验室的软件利用人工智能，根据每个标签对询问和天线脉冲的反应来识别其具体位置。
团队在TurboTrack上的早期开发促成了这一个最新的项目，即将机器学习用于计算机视觉和RFID，以帮助机器人像人类一样定位物体。实验室测试的这套系统由一个机械臂和一只抓手组成，手腕上有一个摄像头。博鲁夏基说，在过去的一年中，实验室一直在模拟机器学习，以便更好地管理数据，从而确保机器人能够以融合的方式分析RFID和视觉技术。
在典型部署中，机器人使用RFID识别目标物体的位置，然后捕捉RGB-D(颜色和深度)图像，创建一个基于摄像头的3D环境模型。软件将RFID定位与该模型融合，机械臂在抓取范围内移动。它识别它所抓取的带有RFID标签的物品，并将其移动到适当的位置然后放下。
有了RFID，机器人可以知道它是否抓取了一个没有标签的物品(因为目标标签不会被认为移动了)，也可以知道它是否抓错了物品(因为错误的RFID标签会移动)。机器人可以将它确定没有目标标签ID的任何物品放在一边。
目前，许多公司都在寻找机器人定位商品的解决方案，以取代人类挑选和移动商品的需要，且机器人将使操作更加高效和安全。博鲁夏基说，问题是如何让机器人找到它看不到的东西。她自2019年秋季以来一直主导这项工作，并于去年10月完成了该项目。
该实验室在COVID-19疫情期间首次测试了模拟环境，整个疫情隔离期长达4个月。博鲁夏基说：“我们开发了一个系统，可以避开障碍物，并模拟向目标物体移动。”随后研究人员在他们的机器人上测试了这个系统，并发现机器学习工具能良好地运行。她补充说：“开发结合了运行在真实系统上的模拟模型。”
该项目采用了Universal Robots的UR5机械臂，并结合了Intel摄像机。实验室使用了现成的RFID标签设计并构建了其专用的RFID阅读器系统。阿迪布报告称，团队已开始与行业人士讨论这项技术，如Toppan Printing公司和一些服装行业的主要用户，这些用户可能是主要受益者。下一步团队希望可以在真实世界进行试点。
阿迪布说：“我们的商业化方案就像研究，它需要一种敏捷的方法来快速试验、迭代和适应。”该团队预计，这项技术将应用于制造、零售和物流行业，并最终应用于消费者家庭中。阿迪布补充说，疫情加速了机器人管理供应链中货物流动的需求，同时也加快了满足这些需求的技术开发。
