Comienza entonces una ardua y angustia búsqueda de incierto resultado.

Un equipo que incluye, entre otros, a Fadel Adib y Tara Boroushaki, ambos del Media Lab en el Instituto Tecnológico de Massachusetts (MIT) de Estados Unidos, ha creado un sistema robótico que puede hacer precisamente esa clase de búsquedas.

El sistema, RFusion, está en fase de pruebas, y por ahora es tan solo un brazo robótico con una cámara y una antena de radiofrecuencia (RF) unidas a su pinza. El robot combina las señales de la antena con la información visual de su cámara para localizar y recuperar un objeto, incluso si este está enterrado bajo un montón de ropa sucia u otros objetos y completamente fuera de la vista.

El prototipo de RFusion desarrollado por los investigadores se basa en etiquetas RFID, que son etiquetas baratas y sin batería que pueden pegarse a un artículo y reflejan las señales enviadas por una antena. Como las señales de radiofrecuencia pueden atravesar la mayoría de las superficies (como el montón de ropa sucia que puede estar ocultando las llaves), RFusion es capaz de localizar un objeto etiquetado aunque esté bajo un montón de objetos.

El equipo del MIT ha desarrollado un robot que fusiona los datos visuales de una cámara y la información de radiofrecuencia (RF) de una antena para encontrar y recuperar objetos, incluso cuando están enterrados bajo un montón de cosas y totalmente fuera de la vista.

Gracias al aprendizaje automático, que es una modalidad de inteligencia artificial, el robot localiza la ubicación exacta del objeto, aparta los objetos que están encima o que le impiden acceder a él, agarra el objeto y verifica que ha recogido lo que buscaba. La cámara, la antena, el brazo robótico y la inteligencia artificial están totalmente integrados, por lo que RFusion puede trabajar en cualquier entorno sin necesidad de una configuración especial.

Aunque la búsqueda de llaves perdidas y otros objetos que no recordamos donde pusimos resulta útil, RFusion podría tener muchas más aplicaciones en el futuro, como seleccionar objetos de entre muchos para preparar pedidos en un almacén, la identificación e instalación de piezas en una fábrica de automóviles o la ayuda a una persona anciana para realizar las tareas cotidianas del hogar, aunque el prototipo actual no es lo bastante rápido para estos usos. (Fuente: NCYT de Amazings)