Onderzoekers ontwikkelen geavanceerde benadering voor padplanning voor robots

Onderzoekers aan de Universiteit van Michigan hebben een nieuwe benadering voor padplanning ontwikkeld die robots sneller over ruw terrein laat bewegen. De nieuw ontwikkelde algoritme kon succesvolle paden drie keer vaker vinden dan standaardalgoritmes en had veel minder verwerkingstijd nodig.

Het onderzoek werd gepubliceerd in Autonomous Robots.

Ontwikkeling van de nieuwe algoritme

De algoritme was specifiek gericht op robots die arm-achtige uitsteeksels gebruiken om hun evenwicht te behouden op ruw terrein, zoals rampengebieden en bouwplaatsen.

Dmitry Berenson is associate professor in elektrotechniek en computerwetenschappen en core faculty aan het Robotics Institute.

“In een ingestort gebouw of op zeer ruw terrein, kan een robot niet altijd zijn evenwicht behouden en vooruitkomen met alleen zijn voeten,” zei Berenson. “Je hebt nieuwe algoritmes nodig om te bepalen waar je zowel voeten als handen moet plaatsen. Je moet al deze ledematen samen coördineren om stabiliteit te behouden, en dat komt neer op een zeer moeilijk probleem.”

Het nieuwe onderzoek helpt robots te bepalen hoe moeilijk een terrein is voordat ze de beste route vooruit berekenen.

Yu-Chi Lin is een recent afgestudeerde in robotica en software-engineer bij Neuro Inc.

“Eerst hebben we machine learning gebruikt om de robot te trainen op de verschillende manieren waarop hij zijn handen en voeten kan plaatsen om zijn evenwicht te behouden en vooruit te komen,” zei Lin. “Vervolgens, wanneer hij in een nieuwe, complexe omgeving wordt geplaatst, kan de robot gebruiken wat hij heeft geleerd om te bepalen hoe begaanbaar een pad is, waardoor hij een pad naar het doel veel sneller kan vinden.”

Ondanks de nieuwe en verbeterde methode, duurt het nog steeds lang om een succesvolle lange route te plannen met traditionele planningsalgoritmes.

“Als we alle hand- en voetposities over een lange route zouden proberen te vinden, zou dat heel lang duren,” zei Berenson.

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

Divide-and-Conquer

Om dit te omzeilen, maakte het team gebruik van een “divide-and-conquer”-benadering. Ze splitsten de route op in moeilijk te begaanbare secties en gemakkelijker te begaanbare secties. Voor de eerste secties pasten de robots hun leerling-gebaseerde methode toe, en voor de tweede secties gebruikten ze een eenvoudigere routeplanning.

“Dat klinkt eenvoudig, maar het is echt moeilijk om te weten hoe je dat probleem correct moet opdelen, en welke planningsmethode je voor elke sectie moet gebruiken,” zei Lin.

Om dit te doen, hebben de onderzoekers een geometrisch model van de hele omgeving nodig, dat ze kunnen krijgen door een drone te laten vliegen die voor de robot uit verkent.

Het team creëerde een virtueel experiment met een humanoïde robot in een gang van puin, en de resultaten toonden aan dat de methode van het team beter presteerde dan eerdere methoden in succes en totale tijd om te plannen. Dit is cruciaal tijdens rampenscenario’s.

Van de 50 proeven bereikte de methode van het team het doel 84% van de tijd, vergeleken met 26% voor de basisrouteplanner. Het duurde slechts iets meer dan twee minuten om te plannen, vergeleken met meer dan drie minuten voor de basisrouteplanner.

Bovendien toonde het team aan hoe hun methode in de praktijk kan werken met een wieled robot met een torso en twee armen. De basis van de robot werd op een steile helling geplaatst, en hij gebruikte zijn “handen” om zichzelf te ondersteunen op een onevenwichtige ondergrond. De methode van het team stelde de robot in staat om een route te plannen in slechts een tiende van een seconde, vergeleken met meer dan 3,5 seconden met de basisrouteplanner.

Het team zal nu kijken naar het incorporeren van dynamisch stabiele beweging, die vergelijkbaar is met de natuurlijke beweging van mensen en dieren. Dit zou de snelheid van de robot verbeteren, aangezien hij niet constant in evenwicht hoeft te zijn.