Forskere udvikler avanceret sti-planlægningsmetode til robotter

Forskere fra University of Michigan har udviklet en ny sti-planlægningsmetode, der kan accelerere robotter over ujævnt terræn. Den nyligt udviklede algoritme kunne finde succesfulde stier tre gange så ofte som standardalgoritmer, og den krævede langt mindre proces tid.

Forskningen blev offentliggjort i Autonomous Robots.

Udvikling af den nye algoritme

Algoritmen var specifikt rettet mod robotter, der bruger arm-lignende udvidelser til at opretholde balance på ujævnt terræn, såsom katastrofeområder og byggepladser.

Dmitry Berenson er associeret professor i elektroteknik og datateknik og kernefakultet ved Robotics Institute.

“I et sammenbrudt bygning eller på meget ujævnt terræn, kan en robot ikke altid balancere sig selv og bevæge sig fremad med kun sine fødder,” sagde Berenson. “Du har brug for nye algoritmer til at finde ud af, hvor du skal placere både fødder og hænder. Du har brug for at koordinere alle disse lemmer sammen for at opretholde stabilitet, og det er et meget svært problem.”

Den nye forskning hjælper robotter med at bestemme, hvor svært et terræn er, før de beregner den bedste sti fremad.

Yu-Chi Lin er en nyuddannet robotik-ph.d. og softwareingeniør hos Neuro Inc.

“Først brugte vi maskinlæring til at træne robotterne på de forskellige måder, de kan placere deres hænder og fødder for at opretholde balance og gøre fremskridt,” sagde Lin. “Derefter, når de blev placeret i en ny, kompleks omgivelse, kunne robotterne bruge, hvad de havde lært, til at bestemme, hvor gennemførbar en sti var, og det tillod dem at finde en sti til målet meget hurtigere.”

Trods den nye og forbedrede metode, tager det stadig lang tid at planlægge en succesfuld lang sti, mens man bruger traditionelle planlægningsalgoritmer.

“Hvis vi prøvede at finde alle hånd- og fodpositioner over en lang sti, ville det tage meget lang tid,” sagde Berenson.

https://www.youtube.com/watch?v=X2KZupY8FQY

Divide-and-Conquer

For at komme rundt om dette, anvendte holdet en “dividi og erobr” tilgang. De delte stien op i svære og lette sektioner. For de svære sektioner anvendte de deres læring-baserede metode, og for de lette sektioner anvendte de en simpel sti-planlægning.

“Det lyder simpelt, men det er virkelig svært at vide, hvordan man skal opdele problemet korrekt, og hvilken planlægningsmetode man skal bruge til hver sektion,” sagde Lin.

For at dette kan ske, har forskerne brug for en geometrisk model af hele omgivelsen, som de kan få ved at flyve en drone, der udforsker området foran robotterne.

Holdet skabte en virtuel eksperiment med en humanoid robot i en korridor af murbrokker, og resultaterne viste, at holdets metode overgik tidligere metoder i succes og total tid til planlægning. Dette er afgørende under katastrofe-scenarier.

Af 50 forsøg nåede holdets metode målet 84% af tiden i forhold til 26% for den grundlæggende sti-planlægger. Det tog kun lidt over to minutter at planlægge i forhold til over tre minutter for den grundlæggende sti-planlægger.

Ud over dette demonstrerede holdet også, hvordan deres metode kan fungere i den virkelige verden med en hjulrobot med en torso og to arme. Robotens base blev placeret på en stejl ramp, og den brugte sine “hænder” til at støtte sig, da en ujævn overflade bevægede sig. Holdets metode tillod robotten at planlægge en sti på kun lidt over en tiendedel af en sekund, i forhold til lidt over 3,5 sekunder med den grundlæggende sti-planlægger.

Holdet vil nu se på at inkorporere dynamisk stabil bevægelse, som er lignende den naturlige bevægelse af mennesker og dyr. Dette vil forbedre robotternes bevægelseshastighed, da de ikke behøver at være konstant i balance.