연구원들은 로봇을 위한 고급 경로 계획 접근 방식을 개발합니다.

미시간 대학의 연구원들은 거친 지형에서 로봇의 속도를 높이는 새로운 경로 계획 접근 방식을 개발했습니다. 새로 개발된 알고리즘은 표준 알고리즘보다 XNUMX배 더 자주 성공적인 경로를 찾을 수 있었고 처리 시간이 훨씬 적었습니다. 

이 연구는 자율 로봇. 

새로운 알고리즘 개발

이 알고리즘은 특히 재해 지역 및 건설 현장과 같은 거친 지형에서 균형을 유지하기 위해 팔 모양의 부속물을 사용하는 로봇을 대상으로 했습니다. 

Dmitry Berenson은 Robotics Institute의 전기 및 컴퓨터 공학 부교수이자 핵심 교수진입니다. 

Berenson은 “붕괴된 건물이나 매우 거친 지형에서 로봇이 항상 균형을 잡고 발만으로 앞으로 나아갈 수는 없습니다.”라고 말했습니다. “발과 손을 어디에 두어야 하는지 파악하려면 새로운 알고리즘이 필요합니다. 안정성을 유지하려면 이 모든 팔다리를 함께 조정해야 하는데, 이것이 결국 매우 어려운 문제입니다.”

새로운 연구는 로봇이 최적의 경로를 계산하기 전에 지형이 얼마나 어려운지 판단하는 데 도움이 됩니다.

Yu-Chi Lin은 Neuro Inc.에서 최근 로봇 공학 박사 학위를 취득했으며 소프트웨어 엔지니어입니다. 

Lin은 “먼저 우리는 기계 학습을 사용하여 로봇이 손과 발을 배치하여 균형을 유지하고 발전할 수 있는 다양한 방법을 훈련시켰습니다.”라고 말했습니다. "그런 다음 새롭고 복잡한 환경에 배치되면 로봇은 학습한 내용을 사용하여 경로 이동이 얼마나 가능한지 판단하여 목표로 향하는 경로를 훨씬 더 빠르게 찾을 수 있습니다."

새롭고 향상된 방법에도 불구하고 전통적인 계획 알고리즘을 사용하면서 성공적인 긴 경로를 계획하는 데 여전히 오랜 시간이 걸립니다.

Berenson은 "긴 경로에서 모든 손과 발 위치를 찾으려고 하면 시간이 매우 오래 걸릴 것"이라고 말했습니다.

분할 정복

이 문제를 해결하기 위해 팀은 "분할 정복(divide-and-conquer)" 접근 방식에 의존했습니다. 그들은 경로를 횡단하기 어려운 섹션과 횡단하기 쉬운 섹션으로 나눕니다. 전자의 경우 로봇은 학습 기반 방법을 적용하고 후자의 경우 더 간단한 경로 계획을 사용합니다. 

"간단하게 들리지만 해당 문제를 올바르게 분할하는 방법과 각 세그먼트에 사용할 계획 방법을 아는 것은 정말 어렵습니다."라고 Lin은 말했습니다.

이를 위해 연구원들은 전체 환경의 기하학적 모델이 필요하며, 로봇 앞에서 정찰하는 드론을 비행하여 얻을 수 있습니다.

팀은 잔해의 회랑에서 휴머노이드 로봇으로 가상 실험을 만들었고 그 결과 팀의 방법이 이전 방법보다 성공률과 총 계획 시간을 능가한다는 것이 입증되었습니다. 이는 재난 시나리오에서 매우 중요합니다. 

50번의 시도 중 팀의 방법은 기본 경로 플래너의 84%와 비교하여 26%의 시간 동안 목표에 도달했습니다. 기본 경로 플래너의 경우 XNUMX분이 넘게 걸리는 것과 비교하여 계획하는 데 XNUMX분 조금 넘게 걸렸습니다. 

이 외에도 팀은 그들의 방법이 몸통과 두 개의 팔을 가진 바퀴 달린 로봇으로 실제 세계에서 어떻게 작동할 수 있는지 시연했습니다. 로봇의 베이스는 가파른 경사로에 놓였고 고르지 않은 표면이 움직일 때 "손"을 사용하여 버팀목이 되었습니다. 이 팀의 방법은 로봇이 기본 경로 플래너로 3.5초가 조금 넘는 것과 비교하여 불과 XNUMX분의 XNUMX초 만에 경로를 계획할 수 있게 했습니다. 

팀은 이제 인간과 동물의 자연스러운 움직임과 유사한 동적으로 안정적인 동작을 통합하는 방법을 모색할 것입니다. 이렇게 하면 로봇이 지속적으로 균형을 유지할 필요가 없기 때문에 로봇의 이동 속도가 향상됩니다.