Ricercatori Sviluppano un Avanzato Approccio di Pianificazione del Percorso per i Robot

I ricercatori dell’Università del Michigan hanno sviluppato un nuovo approccio di pianificazione del percorso che aumenta la velocità dei robot su terreni accidentati. L’algoritmo appena sviluppato è stato in grado di trovare percorsi di successo tre volte più spesso degli algoritmi standard e ha richiesto molto meno tempo di elaborazione.

La ricerca è stata pubblicata in Autonomous Robots.

Sviluppo del Nuovo Algoritmo

L’algoritmo è stato specificamente progettato per i robot che utilizzano appendici simili a braccia per mantenere l’equilibrio su terreni accidentati, come aree di disastro e cantieri.

Dmitry Berenson è professore associato di ingegneria elettrica e informatica e membro del corpo docente dell’Istituto di Robotica.

“In un edificio crollato o su un terreno molto accidentato, un robot non sarà sempre in grado di bilanciarsi e muoversi in avanti con solo i piedi”, ha detto Berenson. “Hai bisogno di nuovi algoritmi per capire dove posizionare entrambi i piedi e le mani. Devi coordinare tutti questi arti insieme per mantenere la stabilità, e questo si traduce in un problema molto difficile.”

La nuova ricerca aiuta i robot a determinare quanto difficile sia un terreno prima di calcolare il percorso migliore in avanti.

Yu-Chi Lin è un recente laureato in robotica e ingegnere software presso Neuro Inc.

“Innanzitutto, abbiamo utilizzato l’apprendimento automatico per addestrare il robot ai diversi modi in cui può posizionare le mani e i piedi per mantenere l’equilibrio e fare progressi”, ha detto Lin. “Quindi, quando viene posizionato in un nuovo ambiente complesso, il robot può utilizzare ciò che ha imparato per determinare quanto un percorso sia percorribile, permettendogli di trovare un percorso per raggiungere l’obiettivo molto più velocemente.”

Nonostante il nuovo e migliorato metodo, ci vuole ancora molto tempo per pianificare un percorso di successo lungo utilizzando algoritmi di pianificazione tradizionali.

“Se cercassimo di trovare tutte le posizioni delle mani e dei piedi su un percorso lungo, ci vorrebbe molto tempo”, ha detto Berenson.

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

Dividi e Conquista

Per superare questo problema, il team ha fatto affidamento su un approccio “dividi e conquista”. Hanno diviso il percorso in sezioni difficili da percorrere e sezioni più facili da percorrere. Con le prime, i robot applicano il loro metodo basato sull’apprendimento, e con le seconde, utilizzano una pianificazione del percorso più semplice.

“Sembra semplice, ma è realmente difficile capire come dividere correttamente il problema e quale metodo di pianificazione utilizzare per ogni segmento”, ha detto Lin.

Per far ciò, i ricercatori hanno bisogno di un modello geometrico dell’intero ambiente, che possono ottenere facendo volare un drone che esplora in anticipo il robot.

Il team ha creato un esperimento virtuale con un robot umanoide in un corridoio di macerie, e i risultati hanno dimostrato che il metodo del team ha superato i metodi precedenti in termini di successo e tempo totale di pianificazione. Ciò è cruciale durante le scenari di disastro.

Su 50 prove, il metodo del team ha raggiunto l’obiettivo l’84% delle volte rispetto al 26% del pianificatore di base. Ci sono voluti solo poco più di due minuti per pianificare rispetto a più di tre minuti per il pianificatore di base.

Inoltre, il team ha anche dimostrato come il loro metodo possa funzionare nel mondo reale con un robot a ruote con un torso e due braccia. La base del robot è stata posizionata su una rampa ripida, e ha utilizzato le “mani” per sostenerlo su una superficie irregolare in movimento. Il metodo del team ha permesso al robot di pianificare un percorso in poco più di un decimo di secondo, rispetto a più di 3,5 secondi con il pianificatore di base.

Il team si concentrerà ora sull’integrazione del moto dinamicamente stabile, che è simile al movimento naturale degli esseri umani e degli animali. Ciò migliorerebbe la velocità di movimento del robot, poiché non avrebbe bisogno di essere costantemente in equilibrio.