Robotics
Teadlased töötavad robotite jaoks välja täiustatud teeplaneerimise lähenemisviisi
Michigani ülikooli teadlased on välja töötanud uue tee planeerimise lähenemisviisi, mis kiirendab robotite liikumist ebatasasel maastikul. Äsja väljatöötatud algoritm suutis leida edukaid teid kolm korda sagedamini kui standardalgoritmid ja see nõudis palju vähem töötlemisaega.
Uuring avaldati aastal Autonoomsed robotid.
Uue algoritmi väljatöötamine
Algoritm oli spetsiaalselt suunatud robotitele, mis kasutavad tasakaalu säilitamiseks konarlikul maastikul, näiteks katastroofipiirkondades ja ehitusplatsidel, kätetaolisi lisasid.
Dmitri Berenson on robootikainstituudi elektri- ja arvutitehnika dotsent ning põhiteaduskond.
"Varisenud hoones või väga ebatasasel maastikul ei suuda robot alati end tasakaalus hoida ja ainult jalgadega edasi liikuda," ütles Berenson. "Teil on vaja uusi algoritme, et aru saada, kuhu asetada mõlemad jalad ja käed. Stabiilsuse säilitamiseks peate kõik need jäsemed omavahel koordineerima ja see, mis taandub, on väga raske probleem.
Uus uurimus aitab robotitel enne parima teekonna arvutamist kindlaks teha, kui keeruline on maastik.
Yu-Chi Lin on hiljuti lõpetanud robootika doktorikraadi ja tarkvarainsener Neuro Inc.-is.
"Esiteks kasutasime masinõpet, et treenida robotit erinevatel viisidel, kuidas see oma käed ja jalad asetada, et säilitada tasakaalu ja edusamme," ütles Lin. "Seejärel saab robot uude keerukasse keskkonda paigutatuna kasutada õpitut, et teha kindlaks, kui läbitav on tee, mis võimaldab tal palju kiiremini leida tee eesmärgini."
Vaatamata uuele ja täiustatud meetodile kulub traditsiooniliste planeerimisalgoritmide kasutamisel eduka pika tee planeerimine siiski kaua aega.
"Kui prooviksime pika tee jooksul leida kõiki käte ja jalgade asukohti, võtaks see väga kaua aega," ütles Berenson.
Jaga ja valluta
Sellest ülesaamiseks toetus meeskond "jaga ja valluta" lähenemisviisile. Need jagavad tee raskesti läbitavateks ja kergemini läbitavateks lõikudeks. Esimese puhul rakendavad robotid oma õppimispõhist meetodit ja teisega lihtsamat teeplaneerimist.
"See kõlab lihtsalt, kuid on tõesti raske teada, kuidas seda probleemi õigesti jagada ja millist planeerimismeetodit iga segmendi jaoks kasutada, " ütles Lin.
Selleks on teadlastel vaja kogu keskkonna geomeetrilist mudelit, mille nad saavad robotist ette luurava drooniga lennutades.
Meeskond lõi virtuaalse eksperimendi humanoidrobotiga killustikukoridoris ja tulemused näitasid, et meeskonna meetod ületas varasemaid meetodeid edukuse ja kogu planeerimisaja osas. See on katastroofi stsenaariumide ajal ülioluline.
50 katsest saavutas meeskonna meetod eesmärgi 84% ajast, võrreldes 26% põhitee planeerijaga. Planeerimiseks kulus vaid veidi üle kahe minuti, samas kui põhilise teeplaneerija jaoks kulus rohkem kui kolm minutit.
Peale selle demonstreeris meeskond ka seda, kuidas nende meetod saab reaalses maailmas toimida torso ja kahe käega ratastega robotiga. Roboti alus asetati järsule kaldteele ja ebatasase pinna liikumisel kinnitas see oma kätega. Meeskonna meetod võimaldas robotil rada planeerida veidi üle kümnendiku sekundiga, võrreldes põhilise teeplaneerijaga veidi üle 3.5 sekundi.
Meeskond otsib nüüd dünaamiliselt stabiilse liikumise kaasamist, mis on sarnane inimeste ja loomade loomulikule liikumisele. See parandaks roboti liikumiskiirust, kuna see ei pea olema pidevalt tasakaalus.
