Peneliti Mengembangkan Pendekatan Perencanaan Jalur Lanjutan untuk Robot

Peneliti di Universitas Michigan telah mengembangkan pendekatan perencanaan jalur baru yang mempercepat robot di atas medan kasar. Algoritma yang baru dikembangkan ini dapat menemukan jalur sukses tiga kali lebih sering daripada algoritma standar, dan memerlukan waktu pemrosesan yang jauh lebih sedikit.

Penelitian ini dipublikasikan di Autonomous Robots.

Mengembangkan Algoritma Baru

Algoritma ini secara khusus ditujukan untuk robot yang menggunakan lampiran seperti lengan untuk mempertahankan keseimbangan di atas medan kasar, seperti daerah bencana dan situs konstruksi.

Dmitry Berenson adalah profesor asosiasi teknik elektro dan komputer dan staf inti di Institut Robotika.

“Di sebuah bangunan yang runtuh atau di atas medan yang sangat kasar, robot tidak akan selalu dapat menjaga keseimbangan dan bergerak maju dengan hanya menggunakan kakinya,” kata Berenson. “Anda memerlukan algoritma baru untuk menentukan di mana meletakkan kedua kaki dan tangan. Anda perlu mengoordinasikan semua anggota tubuh ini bersama-sama untuk mempertahankan keseimbangan, dan itu merupakan masalah yang sangat sulit.”

Penelitian baru ini membantu robot menentukan seberapa sulit medan sebelum menghitung jalur terbaik ke depan.

Yu-Chi Lin adalah lulusan baru Ph.D. di bidang robotika dan insinyur perangkat lunak di Neuro Inc.

“Pertama, kami menggunakan pembelajaran mesin untuk melatih robot pada berbagai cara meletakkan tangan dan kaki untuk mempertahankan keseimbangan dan membuat kemajuan,” kata Lin. “Kemudian, ketika ditempatkan di lingkungan baru yang kompleks, robot dapat menggunakan apa yang telah dipelajari untuk menentukan seberapa dapat dilalui sebuah jalur, sehingga memungkinkan menemukan jalur ke tujuan dengan lebih cepat.”

Meskipun metode baru dan ditingkatkan, masih memerlukan waktu lama untuk merencanakan jalur sukses yang panjang dengan menggunakan algoritma perencanaan tradisional.

“Jika kami mencoba menemukan semua lokasi tangan dan kaki di sepanjang jalur yang panjang, itu akan memakan waktu yang sangat lama,” kata Berenson.

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

Bagi dan Taklukkan

Untuk mengatasi hal ini, tim tersebut menggunakan pendekatan “bagi dan taklukkan”. Mereka membagi jalur menjadi bagian-bagian yang sulit dilalui dan bagian-bagian yang lebih mudah dilalui. Dengan yang pertama, robot menggunakan metode berbasis pembelajaran, dan dengan yang kedua, mereka menggunakan perencanaan jalur yang lebih sederhana.

“Itu terdengar sederhana, tetapi sebenarnya sangat sulit untuk mengetahui bagaimana membagi masalah tersebut dengan benar, dan metode perencanaan mana yang harus digunakan untuk setiap segmen,” kata Lin.

Untuk ini terjadi, peneliti memerlukan model geometris dari lingkungan secara keseluruhan, yang dapat mereka peroleh dengan mengirimkan drone yang melakukan pengintaian sebelum robot.

Tim tersebut menciptakan eksperimen virtual dengan robot humanoid di koridor puing-puing, dan hasilnya menunjukkan bahwa metode tim tersebut outperforms metode sebelumnya dalam kesuksesan dan waktu total untuk merencanakan. Ini sangat penting selama skenario bencana.

Dari 50 percobaan, metode tim tersebut mencapai tujuan 84% dari waktu, dibandingkan dengan 26% untuk perencana jalur dasar. Ini hanya memerlukan sedikit lebih dari dua menit untuk merencanakan, dibandingkan dengan lebih dari tiga menit untuk perencana jalur dasar.

Selain itu, tim juga menunjukkan bagaimana metode mereka dapat bekerja di dunia nyata dengan robot beroda yang memiliki torso dan dua lengan. Basis robot ditempatkan di atas ramp yang curam, dan menggunakan “tangannya” untuk menopang diri saat permukaan yang tidak rata bergerak. Metode tim tersebut memungkinkan robot untuk merencanakan jalur dalam waktu sedikit lebih dari sepersepuluh detik, dibandingkan dengan sedikit lebih dari 3,5 detik dengan perencana jalur dasar.

Tim tersebut sekarang akan melihat ke depan untuk mengintegrasikan gerakan yang dinamis stabil, yang mirip dengan gerakan alami manusia dan hewan. Ini akan meningkatkan kecepatan gerakan robot, karena tidak perlu selalu menjaga keseimbangan.