Credito:Unsplash/CC0 di dominio pubblico
I ricercatori Skoltech hanno sviluppato un metodo per consentire ai robot su ruote di evitare gli ostacoli in modo rapido, efficiente e naturale quando si spostano in un ambiente affollato. Segnalato in Lettere IEEE Robotics and Automation , il nuovo pianificatore di movimento sfrutta l'apprendimento automatico e potrebbe essere utile per la disinfezione robotica, il conteggio dell'inventario e il parcheggio delle auto.
La navigazione robotica in due dimensioni, andare da A a B senza incontrare ostacoli, è un compito classico che è stato risolto in diversi modi dalla fine degli anni '80. Alcuni dei problemi con le soluzioni esistenti sono che i pianificatori impiegano molto tempo per stabilire un percorso, a volte non riescono a farlo del tutto o offrono traiettorie non ottimali che sono troppo lunghe o non lisce, ciò che le persone intuitivamente chiamano in movimento "come un robot." Inoltre, alcuni dei pianificatori esistenti vanno bene solo per i robot che hanno un corpo rotondo o sono omnidirezionali:possono guidare in una direzione arbitraria da fermo.
Il primo autore dello studio, Skoltech Ph.D. lo studente Mikhail Kurenkov, ha commentato:"Abbiamo sviluppato un pianificatore che funziona con robot che non sono rotondi e non omnidirezionali e supera gli approcci convenzionali di pianificazione del movimento che utilizzano il processo gaussiano e l'algoritmo ad albero casuale a esplorazione rapida. Il nostro metodo utilizza ciò che è noto come il concetto di campo neurale. Non è stato applicato molto alla pianificazione del movimento, almeno non in 2D, che è quello che stiamo facendo."
I campi neurali non sono dissimili dai campi della fisica, ma in questo caso i valori che memorizzano per ogni punto nello spazio sono cose come "qual è la distanza dall'ostacolo più vicino" o "fino a che punto quel punto è vuoto o occupato da ostacoli. " Il primo trova applicazioni nella progettazione grafica e nell'animazione, e il secondo è in realtà il valore utilizzato dal nuovo pianificatore di movimento robot creato presso Skoltech. Uno dei recenti sviluppi nei campi neurali è l'utilizzo dell'apprendimento automatico e l'utilizzo di reti neurali per parametrizzare il campo. È così che funziona il nuovo pianificatore.
Per testare le sue prestazioni, i ricercatori hanno confrontato il loro pianificatore con soluzioni più convenzionali:un pianificatore del movimento del processo gaussiano e un algoritmo ad albero casuale a rapida esplorazione. Il metodo basato sul campo neurale ha dimostrato di costruire traiettorie più brevi e fluide e di richiedere meno virate imbarazzanti sul posto.
Il test si è basato su un set di dati apertamente disponibile con più scenari, inclusi corridoi, parcheggi e reti urbane. Questo dà un assaggio del tipo di robot che potrebbe trarre vantaggio dal pianificatore:per prima cosa, potrebbe aiutare i disinfettanti, i contatori di inventario e altri robot di servizio nei centri commerciali. Lo scenario dell'ambiente urbano suggerisce anche applicazioni nei sistemi robotici di parcheggio. + Esplora ulteriormente
