რობოტები
მკვლევარებმა შეიმუშავეს გზის დაგეგმვის გაფართოებული მიდგომა რობოტებისთვის
მიჩიგანის უნივერსიტეტის მკვლევარებმა შეიმუშავეს ბილიკის დაგეგმვის ახალი მიდგომა, რომელიც აჩქარებს რობოტებს უხეში რელიეფის გასწვრივ. ახლად შემუშავებულმა ალგორითმმა შეძლო წარმატებული გზების პოვნა სამჯერ უფრო ხშირად, ვიდრე სტანდარტული ალგორითმები და მას გაცილებით ნაკლები დამუშავების დრო დასჭირდა.
გამოქვეყნდა კვლევა ავტონომიური რობოტები.
ახალი ალგორითმის შემუშავება
ალგორითმი კონკრეტულად მიზნად ისახავდა რობოტებს, რომლებიც იყენებენ მკლავის მსგავს დანამატებს, რათა შეინარჩუნონ წონასწორობა უხეში რელიეფზე, როგორიცაა კატასტროფის ზონები და სამშენებლო უბნები.
დიმიტრი ბერენსონი არის ასოცირებული პროფესორი ელექტრო და კომპიუტერული ინჟინერიის და ძირითადი ფაკულტეტის რობოტიკის ინსტიტუტში.
„დანგრეულ შენობაში ან ძალიან უხეში რელიეფზე, რობოტი ყოველთვის ვერ შეძლებს საკუთარი თავის დაბალანსებას და წინსვლას მხოლოდ ფეხებით“, - თქვა ბერენსონმა. „თქვენ გჭირდებათ ახალი ალგორითმები, რათა გაარკვიოთ, სად უნდა დაადოთ ორივე ფეხი და ხელები. სტაბილურობის შესანარჩუნებლად ყველა ამ კიდურის კოორდინაცია გჭირდებათ და ეს ძალიან რთული პრობლემაა“.
ახალი კვლევა ეხმარება რობოტებს დაადგინონ, რამდენად რთულია რელიეფი, სანამ გამოთვლიან საუკეთესო გზას.
Yu-Chi Lin არის რობოტიკის დოქტორის კურსდამთავრებული და პროგრამული უზრუნველყოფის ინჟინერი Neuro Inc.
„პირველ რიგში, ჩვენ გამოვიყენეთ მანქანათმცოდნეობა, რათა რობოტი ვავარჯიშოთ სხვადასხვა გზით, როგორ მოათავსოს ხელები და ფეხები, რათა შეინარჩუნოს წონასწორობა და მიაღწიოს პროგრესს“, - თქვა ლინმა. „შემდეგ, როდესაც ახალ, რთულ გარემოში განთავსდება, რობოტს შეუძლია გამოიყენოს ის, რაც ისწავლა, რათა დადგინდეს, თუ რამდენად გავლადია ბილიკი, რაც საშუალებას მისცემს მას მიზნისკენ მიმავალი გზა ბევრად უფრო სწრაფად მოძებნოს“.
მიუხედავად ახალი და გაუმჯობესებული მეთოდისა, ტრადიციული დაგეგმვის ალგორითმების გამოყენებით წარმატებული გრძელი გზის დაგეგმვას მაინც დიდი დრო სჭირდება.
„თუ ჩვენ ვცდილობდით გვეპოვა ხელის და ფეხის ყველა ადგილი გრძელ გზაზე, ამას ძალიან დიდი დრო დასჭირდებოდა“, - თქვა ბერენსონმა.
Დაყავი და იბატონე
ამის გადასაჭრელად გუნდი ეყრდნობოდა „დაყავი და იბატონე“ მიდგომას. ისინი გზას ყოფენ რთულად გასავლელ და უფრო ადვილად გასავლელ ნაწილებად. პირველთან ერთად რობოტები იყენებენ სწავლაზე დაფუძნებულ მეთოდს, ხოლო მეორესთან ერთად იყენებენ უფრო მარტივ გზის დაგეგმვას.
”ეს მარტივი ჟღერს, მაგრამ ნამდვილად ძნელია იმის ცოდნა, თუ როგორ უნდა გაიყოს ეს პრობლემა სწორად და დაგეგმვის რომელი მეთოდი გამოიყენო თითოეული სეგმენტისთვის,” - თქვა ლინმა.
იმისათვის, რომ ეს მოხდეს, მკვლევარებს სჭირდებათ მთელი გარემოს გეომეტრიული მოდელი, რომელიც მათ შეუძლიათ მიიღონ დრონით ფრენით, რომელიც რობოტს წინ სკაუტებს.
გუნდმა შექმნა ვირტუალური ექსპერიმენტი ჰუმანოიდური რობოტით ნანგრევების დერეფანში და შედეგებმა აჩვენა, რომ გუნდის მეთოდი აჯობა წინა მეთოდებს წარმატებულად და დაგეგმვის მთლიან დროში. ეს გადამწყვეტია კატასტროფის სცენარების დროს.
50 საცდელიდან გუნდის მეთოდი მიზანს აღწევდა 84%-ში, 26%-თან შედარებით ძირითადი ბილიკის დამგეგმავისთვის. დაგეგმვას მხოლოდ ორ წუთზე ცოტა მეტი დასჭირდა, ვიდრე ძირითადი ბილიკის დამგეგმავისთვის სამ წუთზე მეტი.
გარდა ამისა, გუნდმა ასევე აჩვენა, თუ როგორ მუშაობს მათი მეთოდი რეალურ სამყაროში ბორბლიანი რობოტით, რომელსაც აქვს ტორსი და ორი ხელი. რობოტის საფუძველი ციცაბო პანდუსზე იყო მოთავსებული და მან თავისი „ხელები“ გამოიყენა თავის დასამაგრებლად, როდესაც უსწორმასწორო ზედაპირი მოძრაობდა. გუნდის მეთოდი რობოტს საშუალებას აძლევდა დაეგეგმა ბილიკი წამის მეათედზე მეტ ხანში, ვიდრე 3.5 წამზე მეტს ბილიკების დამგეგმავთან შედარებით.
ახლა გუნდი ეძებს დინამიურად სტაბილური მოძრაობის ჩართვას, რომელიც მსგავსია ადამიანებისა და ცხოველების ბუნებრივი მოძრაობისა. ეს გააუმჯობესებს რობოტის მოძრაობის სიჩქარეს, რადგან მას არ სჭირდება მუდმივად წონასწორობა.
