芯耀
1064
作者：Levin
物聯(lián)網(wǎng)智庫 原創(chuàng)
近期，智次方·物聯(lián)網(wǎng)智庫有機會采訪到了來自劍橋大學的傅哲博士和在讀博士生劉錚，他們?yōu)槲覀兎窒砹藞F隊在RFID領(lǐng)域所做的一系列前沿工作。
2017年時，專業(yè)的工具制造商史丹利百得(Stanley Black&Decker)旗下子公司CribMaster通過使用跟蹤解決方案商PervasID的技術(shù)，推出了具有內(nèi)置庫存和工具跟蹤功能的“世界上最精確的智能工具柜”?；赑ervasID所提供的RFID閱讀器，智能工具柜中每一個使用無源RFID標簽的工具(最多500個)，都可以在幾秒鐘內(nèi)被跟蹤。
據(jù)估計，對于航空業(yè)來說，異物碎片(FOD)每年造成的直接和間接成本為130億美元，其中包括航班延誤、飛機更換和燃油效率低下。因此，對每一種工具進行跟蹤是非常必要的，而該解決方案通過提供高達99.9%的實時準確性，可以確保工具都在柜里而不是落在飛機上，極大地減少了航空業(yè)中由異物碎片引起的問題。目前，北美最大飛機制造商之一已將該方案部署在了數(shù)百架飛機上。
除了航空業(yè)的應用之外，RFID在其他諸多領(lǐng)域也在大放異彩，對于與制造、零售和物流息息相關(guān)的倉儲來說，將RFID技術(shù)和產(chǎn)品用于庫存跟蹤、盤點和資產(chǎn)管理的自動化，將對行業(yè)起到革命性的顛覆作用，進而實現(xiàn)傳統(tǒng)工廠和倉庫的數(shù)字化管理和智能化升級。
RFID讓倉儲環(huán)境再無死角
在目前的倉儲場景下，快遞或貨品的包裝上多是二維碼和條形碼，對貨物進行定位和軌跡規(guī)劃的前提是對這些碼的精確識別。目前，行業(yè)使用最多的識別方式還是有源設備或視覺系統(tǒng)，但存在費用較高且需要定時維護的問題。尤其是對于視覺系統(tǒng)來說，最大的弊端在于如果出現(xiàn)了遮擋或者多個貨品疊放的情況，或是標簽受到污染或者損壞，攝像頭的識別就會受到極大的限制，如現(xiàn)在制造業(yè)中大火的“黑燈工廠”，在沒有光線或是昏暗的情況下，攝像頭的穩(wěn)定性將受到極大的挑戰(zhàn)問。
相比之下，如果使用無源RFID標簽就可以最大程度的避免這種情況的出現(xiàn)。通常，RFID系統(tǒng)由讀寫器、電子標簽和數(shù)據(jù)管理系統(tǒng)三部分組成，對于RFID標簽來說，其不僅有一定的穿透性，而且具有條形碼等所不具備的防水、防磁、耐高溫、使用壽命長、讀取距離遠、標簽數(shù)據(jù)可以加密、存儲數(shù)據(jù)容量大、存儲信息自如等優(yōu)點，也不會受到光線的限制。同時，無源RFID標簽最大的優(yōu)勢在于其非常便宜而且無需維護，在這種情況下還依然能實現(xiàn)相對高精度的定位。因此，無源RFID標簽不僅在倉儲環(huán)境中可以被大量使用，未來在其他場景中也將大有可為。
據(jù)劍橋大學博士生劉錚介紹，他們團隊的主要研究方向是利用無源RFID結(jié)合機器人的方案來進行高精度室內(nèi)定位。在實驗室環(huán)境中，團隊成員模擬了倉儲的環(huán)境，而且考慮到實際倉儲環(huán)境的面積通常較大，如果使用傳統(tǒng)布置固定式天線的方法，所需的天線數(shù)量會非常多，導致成本上升，布線也會十分麻煩。因此，該團隊開創(chuàng)性地設計了一個移動機器人平臺，可以讓該平臺搭載RFID的相關(guān)設備，通過不斷在倉儲環(huán)境中巡檢來收集信息。
從上圖中可以看到，移動機器人平臺的最底部搭載了電池，可以為整個設備供電，在電池的上面安裝了樹莓派控制板，能控制移動機箱、小車、相應的讀寫器、天線以及設備，在樹莓派的上面則是用來讀取無源RFID標簽信息的讀寫器，此外，小車本身也有一些傳感器，如激光測距雷達，可以測量小車與環(huán)境的一些距離信息。
在移動機器人平臺的最上方，團隊成員為其安裝了射頻天線，最多可以支持四根。在模擬倉儲的空間中，團隊人員在不同位置放置了一些無源RFID 標簽，部分可用做公共參考標簽，其他標簽則可以貼在要追蹤的貨品上面作為目標標簽。此外，該平臺還可以連接到本地的網(wǎng)絡當中，使得移動機器人平臺可以通過網(wǎng)絡被遠程操控。
在研發(fā)出這款移動機器人平臺之后，該團隊還基于平臺研發(fā)出了針對不同場景的全新定位算法，如：ISAR-SAR定位算法、基于k值的定位算法、基于幾何關(guān)系的定位算法，基于GNN模型的算法等，以此實現(xiàn)對目標的高精度定位和追蹤。
多種算法助力高精度定位
在高精度定位方面，一直有兩方面問題亟待解決。首先是要清楚知道移動機器人平臺本身的位置，只有這樣才能進行路徑規(guī)劃和決策，這也是目前很多獨角獸公司重點投入的方向；其次，標簽的位置也很重要，可以通過移動機器人平臺的移動軌跡來預測標簽的位置。劉錚博士為我們分享的四種定位算法均在解決這兩個問題上產(chǎn)生了突破性進展：
ISAR-SAR定位算法
該算法利用低成本的無源RFID 標簽來計算移動平臺的軌跡，再用環(huán)境中的參考標簽來衡量軌跡的匹配度，最后使用估測出的軌跡對目標標簽進行定位。在這個算法當中，最核心的就是SAR（合成孔徑雷達）算法，可以在移動平臺沿著已知軌跡前進的過程當中，不斷地對目標標簽進行讀寫，從而獲得相位等一系列信息，由此計算出目標標簽在空間中某位置的概率熱圖。通過SAR算法，可以得到一個相對較高的定位精度，但缺點是需要測量移動平臺的軌跡，而這些軌跡通常需要一些額外的設備或使用SLAM算法等方式來得到。
針對SAR算法的這個缺點，該團隊還提出了ISAR（逆合成孔徑雷達）算法，通過鋪設位置已知的無源參考標簽來計算下一時刻移動平臺在各個位置出現(xiàn)的概率，并將最大的概率值設定為估算位置，通過不斷重復這些步驟，進而得到一條完整的估測路徑。當有了這條預估的路徑之后，還可以利用參考標簽對估測軌跡進行評估，并使用ISAR-SAR 循環(huán)算法繼續(xù)進行優(yōu)化，通過不斷調(diào)整算法的參數(shù)來得到最優(yōu)路徑，以此對目標標簽進行定位，從而進一步降低定位誤差。
基于k值的定位算法
當移動平臺向前移動的過程中經(jīng)過標簽時，相位通常會呈現(xiàn)出某種周期性的變化，通過對相位進行解纏并擬合曲線，也可以用來確定位置。獲取相位和RSSI信息后，通過接收到的RSSI的強度，可以衡量接受到的信號穩(wěn)定與否，從而獲取有效的數(shù)據(jù)集。獲取到有效的數(shù)據(jù)集之后，目標標簽平行于軌跡的位置可以通過分析相位曲線的駐點并結(jié)合移動機器人位置計算得出。垂直于軌跡的位置可以通過調(diào)整k 參數(shù)獲得。相比于之前的算法，基于k值的定位算法對算力的需求較小，定位出目標標簽位置所需的時間也較短，也可以擴展到三維空間中用來確定高度信息。此方法可以快速確定目標標簽的位置范圍，進而再細化標簽精確位置。
基于幾何關(guān)系的定位方法
這種方法的優(yōu)點是無需對軌跡進行精確測量，而且只要非常少量的參考標簽就可以實現(xiàn)對目標標簽的定位。因為移動機器人平臺大致處于勻速前行的狀態(tài)，所以通過不同時刻移動平臺距離不同標簽的位置和夾角，就可以大致得出軌跡的方向，通過軌跡的方向并分析軌跡、參考標簽和目標標簽之間的空間幾何關(guān)系，即可得到目標標簽所在的位置。這個方法進一步減小系統(tǒng)對參考標簽密度的依賴性，也減輕了輔助器件數(shù)據(jù)的分析壓力，降低了計算成本和能耗，同時縮短了定位時間。
GNN定位算法
在移動機器人平臺前進的過程中，每一個采樣點都可以看做是一個節(jié)點，包含著相位、RSSI、機器人位置等信息。在不同的相鄰節(jié)點之間，可以按照平臺移動的順序連接成邊，進而構(gòu)建出一個圖結(jié)構(gòu)，再將其放到圖神經(jīng)網(wǎng)絡中進行訓練，便可以通過模型得到目標標簽位置的預測結(jié)果。
RFID未來大有可為
據(jù)傅哲博士介紹，目前全球大概有超過8個RFID高校團隊在做相關(guān)的產(chǎn)品工作，國內(nèi)的企業(yè)團隊數(shù)量也在逐漸增加，不同團隊之間的區(qū)別大多在于各自研發(fā)的移動平臺和使用的RFID系統(tǒng)不盡相同。
當然，在倉儲場景中，雖然相比于視覺方案更有優(yōu)勢，可RFID也有其自身的不足，如隨著空間中物品的密度上升到一定程度之后，使用RFID識別也會遇到瓶頸。由于硬件讀取率的限制，每個標簽的被采樣率次數(shù)會隨標簽數(shù)量上升而降低。同時，機器人的移動速度增加也會導致采集到的有效信息減少，多徑和復雜環(huán)境以及物品自身材料的問題，都會使系統(tǒng)定位的性能降低。此外，讀寫距離有限也是亟待解決的問題，因此在一個場景中需要多個RFID讀寫器來覆蓋也是目前的一個痛點，傅哲所在的團隊也通過重新設計讀寫器和改進算法解決了長距離讀寫等方面的問題。
對于未來如何實現(xiàn)落地，傅哲博士也提出了自己的想法。他表示，室內(nèi)多功能感知融合機器人和醫(yī)療健康會是下一步的發(fā)展趨勢。例如，當前的大部分掃地機器人還只能完成最基礎(chǔ)的清潔工作，由于受到成本的限制，無法進一步增加過多的功能，而低成本的RFID則剛好可以解決這一問題，通過在各種物品上使用無源RFID標簽，可以構(gòu)建出一個大范圍的識別場景，并且無需像藍牙、Wi-Fi、UWB一樣使用電池。而且RFID可以用來解決佩戴設備臃腫、人員隱私等多類問題，為提供高效低成本的優(yōu)質(zhì)服務提供有效的技術(shù)解決方案，未來具有更大的想象空間。傅哲博士近期利用無源RFID實現(xiàn)的有關(guān)遠程感知，肢體識別，眼動追蹤等室內(nèi)智能物聯(lián)網(wǎng)系統(tǒng)在不斷的驗證他的想法。
附團隊成員簡介：
傅哲
劍橋大學博士。現(xiàn)任復睿微電子資深AI科學家，曾任華為英國研發(fā)技術(shù)顧問，PervasID公司技術(shù)顧問，劍橋大學工程系博士后研究員。主要從事射頻識別技術(shù)(RFID)，智慧物聯(lián)網(wǎng)系統(tǒng)（AIoTs），人機交互系統(tǒng)(HMI)等領(lǐng)域研究。曾獲劍橋大學圣凱瑟琳杰出研究成果獎，劍橋大學博士全額獎學金等榮譽，發(fā)表多篇國際學術(shù)期刊且擁有多項科技專利。曾在清華大學，中科院大學，浙江大學等多所高校，劍橋阿登布魯克醫(yī)院，劍橋創(chuàng)新和創(chuàng)業(yè)營，以及多個國際會議上進行過學術(shù)匯報。IEEE CRFID外聯(lián)主席，JoVE期刊編輯，IEEE IoTs, IEEE Sensors等期刊審稿人。
劉錚
2014年考入謝菲爾德大學電子與電氣工程系電子與通信工程專業(yè),在校期間因成績優(yōu)異曾經(jīng)多次獲得本科生學術(shù)成就獎學金。2017年獲謝菲爾德大學一等學士學位,同年考入劍橋大學工程系光子與電子集成系統(tǒng)專業(yè)。2018年獲劍橋大學研究型碩士學位,目前在劍橋大學先進光電子中心繼續(xù)深造、攻讀博士學位。博士研究方向為基于無源射頻識別技術(shù)和移動機器人平臺的高精度室內(nèi)定位系統(tǒng)及算法，在相關(guān)頂會頂刊發(fā)表多篇論文。博士研究項目通過控制移動機器人來收集相關(guān)射頻信息，并利用合成孔徑雷達、粒子濾波器、神經(jīng)網(wǎng)絡等算法，實現(xiàn)對移動機器人軌跡的追蹤和對目標物體位置的定位。
