Les chercheurs développent une approche de planification de trajet avancée pour les robots

Les chercheurs de l’Université du Michigan ont développé une nouvelle approche de planification de trajet qui accélère les robots sur des terrains difficiles. L’algorithme récemment développé a pu trouver des chemins réussis trois fois plus souvent que les algorithmes standard, et il a nécessité beaucoup moins de temps de traitement.

La recherche a été publiée dans Autonomous Robots.

Développement du nouvel algorithme

L’algorithme a été spécifiquement conçu pour les robots qui utilisent des appendices semblables à des bras pour maintenir l’équilibre sur des terrains difficiles, tels que les zones sinistrées et les chantiers de construction.

Dmitry Berenson est professeur associé de génie électrique et informatique et membre du corps professoral de l’Institut de robotique.

« Dans un bâtiment effondré ou sur un terrain très difficile, un robot ne pourra pas toujours s’équilibrer et avancer avec seulement ses pieds », a déclaré Berenson. « Vous avez besoin de nouveaux algorithmes pour déterminer où placer les deux pieds et les deux mains. Vous devez coordonner tous ces membres ensemble pour maintenir la stabilité, et cela se résume à un problème très difficile. »

La nouvelle recherche aide les robots à déterminer à quel point un terrain est difficile avant de calculer le meilleur chemin à suivre.

Yu-Chi Lin est un récent diplômé en robotique et ingénieur logiciel chez Neuro Inc.

« Tout d’abord, nous avons utilisé l’apprentissage automatique pour entraîner le robot sur les différentes façons dont il peut placer ses mains et ses pieds pour maintenir l’équilibre et faire des progrès », a déclaré Lin. « Ensuite, lorsqu’il est placé dans un nouvel environnement complexe, le robot peut utiliser ce qu’il a appris pour déterminer à quel point un chemin est praticable, ce qui lui permet de trouver un chemin vers l’objectif beaucoup plus rapidement. »

Malgré la nouvelle méthode améliorée, il faut encore beaucoup de temps pour planifier un chemin réussi long en utilisant les algorithmes de planification traditionnels.

« Si nous essayions de trouver toutes les positions de la main et du pied sur un chemin long, cela prendrait beaucoup de temps », a déclaré Berenson.

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

Diviser pour conquérir

Pour contourner cela, l’équipe a eu recours à une approche « diviser pour conquérir ». Ils ont divisé le chemin en sections difficiles à traverser et en sections plus faciles à traverser. Pour les premières, les robots appliquent leur méthode basée sur l’apprentissage, et pour les secondes, ils utilisent une planification de chemin plus simple.

« Cela peut sembler simple, mais il est vraiment difficile de savoir comment diviser correctement ce problème et quelle méthode de planification utiliser pour chaque segment », a déclaré Lin.

Pour que cela se produise, les chercheurs ont besoin d’un modèle géométrique de l’environnement entier, qu’ils peuvent obtenir en faisant voler un drone qui précède le robot.

L’équipe a créé une expérience virtuelle avec un robot humanoïde dans un couloir de débris, et les résultats ont montré que la méthode de l’équipe a surpassé les méthodes précédentes en termes de réussite et de temps total de planification. Cela est crucial lors de scénarios de catastrophe.

Sur 50 essais, la méthode de l’équipe a atteint l’objectif 84 % du temps, contre 26 % pour le planificateur de chemin de base. Il n’a fallu que peu plus de deux minutes pour planifier, contre plus de trois minutes pour le planificateur de chemin de base.

En outre, l’équipe a également démontré comment leur méthode peut fonctionner dans le monde réel avec un robot à roues avec un torse et deux bras. La base du robot a été placée sur une rampe inclinée, et il a utilisé ses « mains » pour se stabiliser sur une surface inégale en mouvement. La méthode de l’équipe a permis au robot de planifier un chemin en un peu plus d’une dixième de seconde, contre un peu plus de 3,5 secondes avec le planificateur de chemin de base.

L’équipe va maintenant s’orienter vers l’intégration du mouvement dynamiquement stable, qui est similaire au mouvement naturel des humains et des animaux. Cela améliorerait la vitesse de déplacement du robot, car il n’a pas besoin d’être constamment en équilibre.