Pesquisadores do MIT desenvolveram um sistema que permitirá que robôs detectem objetos ocultos. Isso poderá permitir que robôs de controle de qualidade, por exemplo, identifiquem produtos defeituosos na embalagem sem abri-la.
Fonte da imagem: news.mit.edu
A tecnologia se baseia no uso de ondas de rádio de ondas milimétricas (mmWave) — os mesmos sinais usados em Wi-Fi e 5G. O sistema analisa a reflexão das ondas de rádio de diferentes objetos para construir modelos 3D precisos de objetos que estão além da linha de visão.
O sistema se chama mmNorm, e as ondas de rádio que ele utiliza podem penetrar em diversos materiais, como recipientes de plástico ou caixas de papelão, e ricochetear em objetos escondidos dentro deles. O sistema coleta e analisa as informações recebidas para reconstruir objetos escondidos com precisão.
Segundo os pesquisadores, a precisão do sistema mmNorm chega a 96% ao recriar objetos do cotidiano com formas curvas complexas, como talheres, ferramentas domésticas, etc. Para efeito de comparação, tecnologias semelhantes anteriormente permitiam atingir uma precisão de no máximo 78%.
É importante ressaltar que a nova tecnologia não requer bandas de radiofrequência adicionais para atingir uma precisão tão alta. Devido ao seu alto nível de eficiência, a tecnologia pode ser usada em diversas áreas – de fábricas a lares de idosos. Por exemplo, o mmNorm permitirá que robôs identifiquem ferramentas guardadas em uma gaveta fechada. O robô será capaz de identificar os cabos das ferramentas para uma pegada mais eficaz e posterior manipulação.
«”Trabalhamos nesse problema há muito tempo, mas sempre nos deparamos com obstáculos porque os métodos anteriores, apesar de toda a sua elegância matemática, não produziam o resultado desejado. Precisávamos criar uma abordagem fundamentalmente nova para o processamento de sinais, diferente de tudo o que foi usado nos últimos 50 anos, para abrir caminho para aplicações não convencionais”, disse Fadel Adib, professor associado de engenharia elétrica e ciência da computação no MIT e um dos autores do estudo.
A tecnologia tradicional de radar envolve a emissão de ondas milimétricas e o processamento de dados sobre sua reflexão em objetos ao redor. Esse método é chamado de “retroprojeção” e funciona bem para modelar objetos grandes, como um avião escondido pelas nuvens. No entanto, a tecnologia não é muito eficaz na identificação de objetos pequenos, como utensílios de cozinha.
O estudo constatou que os métodos existentes ignoram uma característica importante. Trata-se da especularidade, quando quase todas as superfícies atingidas pelas ondas emitidas atuam como um espelho e criam reflexos. Se a superfície for direcionada para a antena, o sinal será refletido no objeto e retornará à antena. Se a superfície for direcionada na direção oposta, o sinal refletido será direcionado para o lado e não será recebido pelo receptor.
Ao desenvolver o mmNorm, os pesquisadores tentaram fazer com que o sistema avaliasse não apenas a posição do sinal no espaço, mas também a orientação da superfície naquele ponto. No processo, o mmNorm calcula a chamada normal de superfície, ou seja, o vetor perpendicular à superfície em um determinado ponto. Esses dados são usados para recriar a curvatura da superfície do objeto em cada ponto. Ao combinar dados sobre normais de superfície em todos os pontos do espaço, o mmNorm usa um modelo matemático especial para recriar um modelo tridimensional do objeto.
Os pesquisadores criaram um protótipo do mmNorm conectando o radar a um braço robótico que realiza medições continuamente, movendo-se ao redor de um objeto oculto. Durante a análise, o sistema compara a intensidade dos sinais refletidos para estimar a curvatura das formas do objeto oculto. Por exemplo, a antena receberá os sinais mais fortes de superfícies perpendiculares a ela e os sinais mais fracos de superfícies voltadas para ângulos diferentes.
Várias antenas recebem um determinado número de sinais, e após o processamento, o sistema consegue determinar a forma do objeto oculto. Observa-se também que o sistema avalia a normal à superfície a partir de todos os pontos no espaço, o que gera diversas superfícies possíveis durante a análise. Para selecionar a correta, os pesquisadores utilizaram tecnologias de computação gráfica existentes, que também servem para formar o modelo 3D final do objeto escaneado.
O sistema mmNorm foi testado em 60 objetos pequenos de formato complexo, como uma caneca de cerâmica com alça dobrável. Os testes mostraram que o erro de restauração de forma da nova tecnologia é 40% menor em comparação com análogos existentes, e a precisão na determinação da posição de objetos no espaço é maior. O algoritmo consegue distinguir entre uma colher, um garfo, uma faca, etc., dentro da mesma caixa. O sistema lida bem com a construção de modelos de objetos feitos de madeira, metal, plástico, borracha e vidro. No entanto, não é adequado para escanear objetos escondidos atrás de divisórias metálicas ou paredes espessas.