Robotyka i fizyczna AI

Technologia fal radiowych daje robotom “wizję we wszystkich warunkach pogodowych”

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Poszukiwania rozwoju robotów, które mogą niezawodnie nawigować w złożonych środowiskach, były długo hamowane przez podstawową ograniczenie: większość systemów wizji robota praktycznie traci wzrok w trudnych warunkach pogodowych. Od autonomicznych pojazdów, które mają trudności w gęstej mgle, do robotów ratunkowych, które są utrudnione przez budynki wypełnione dymem, te ograniczenia reprezentowały krytyczną słabość w aplikacjach robotyki, gdzie awaria nie jest opcją.

Przełom, który nastąpił na Uniwersytecie Pensylwanii, Szkoła Inżynierii i Nauk Stosowanych, obiecuje zmienić sposób, w jaki roboty postrzegają swoje otoczenie. Ich innowacyjny system, nazwany PanoRadar, wykorzystuje technologię fal radiowych w połączeniu z sztuczną inteligencją, aby tworzyć szczegółowe trójwymiarowe widoki otoczenia, nawet w warunkach, które uczyniłyby tradycyjne sensory bezużytecznymi.

Przełamywanie barier środowiskowych

Współczesne systemy wizji robota opierają się głównie na sensorycznych czujnikach światła – kamerach i technologiach LiDAR. Chociaż te narzędzia doskonale sprawdzają się w optymalnych warunkach, napotykają na poważne ograniczenia w niekorzystnych środowiskach. Dym, mgła i inne cząsteczki mogą rozpraszać fale świetlne, skutecznie oślepiając te tradycyjne sensory, gdy są one najbardziej potrzebne.

PanoRadar rozwiązuje te ograniczenia, wykorzystując fale radiowe, których dłuższe długości fal mogą przenikać przez przeszkody środowiskowe, które blokują światło. “Nasze początkowe pytanie brzmiało, czy możemy połączyć najlepsze z obu modalności sensorycznych”, wyjaśnia Mingmin Zhao, asystent profesora w dziedzinie komputerów i nauk informacyjnych. “Wytrzymałość sygnałów radiowych, które są odporne na mgłę i inne trudne warunki, oraz wysoka rozdzielczość sensoryków wizualnych”.

Innowacyjny design systemu przynosi jeszcze jedną znaczącą zaletę: efektywność kosztową. Tradycyjne systemy LiDAR o wysokiej rozdzielczości często mają zakazane ceny, ograniczając ich szerokie zastosowanie. PanoRadar osiąga porównywalną rozdzielczość obrazu przy ułamku kosztów, dzięki swojemu sprytnemu wykorzystaniu obrotowych anten i zaawansowanego przetwarzania sygnałów.

Ta zaleta kosztowa, w połączeniu z możliwościami wizji we wszystkich warunkach pogodowych, stawia PanoRadar jako potencjalnego lidera w dziedzinie percepcji robota. Technologia wykazała swoją zdolność do utrzymania precyzyjnego śledzenia przez dym i może nawet mapować przestrzenie z szklanymi ścianami – co jest niemożliwe dla tradycyjnych sensoryków światła.

Technologia za PanoRadar

W swojej istocie PanoRadar wykorzystuje podejście do skanowania środowiska, które jest proste, lecz genialne. System wykorzystuje pionową tablicę obrotowych anten, które ciągle emitują i odbierają fale radiowe, tworząc kompleksowy widok otoczenia. Ten mechanizm obrotowy generuje gęstą sieć wirtualnych punktów pomiarowych, umożliwiając systemowi tworzenie bardzo szczegółowych trójwymiarowych obrazów.

Prawdziwa innowacja leży jednak w zaawansowanym przetwarzaniu tych sygnałów radiowych. “Kluczowa innowacja polega na tym, jak przetwarzamy te pomiary fal radiowych”, zauważa Zhao. “Nasze algorytmy przetwarzania sygnałów i sztucznej inteligencji są w stanie wyodrębnić bogate informacje trójwymiarowe ze środowiska”.

Osiągnięcie tego poziomu precyzji stanowiło znaczące wyzwania techniczne. Autor Haowen Lai wyjaśnia, “Aby osiągnąć rozdzielczość porównywalną z LiDAR przy użyciu sygnałów radiowych, musieliśmy połączyć pomiary z wielu różnych pozycji z sub-milimetrową precyzją”. To wyzwanie staje się szczególnie palące, gdy system jest w ruchu, ponieważ nawet minimalny ruch może wpłynąć na jakość obrazu.

Zespół opracował zaawansowane algorytmy sztucznej inteligencji, aby zinterpretować zebrane dane. Według badacza Gaoxiang Luo, wykorzystali spójne wzorce i geometrie znalezione w środowiskach wewnętrznych, aby pomóc ich systemowi AI zrozumieć sygnały radarowe. Podczas rozwoju system wykorzystywał dane LiDAR jako punkt odniesienia, aby zwalidować i udoskonalić swoje interpretacje.

Rzeczywiste zastosowania i wpływ

Możliwości PanoRadar otwierają nowe możliwości w wielu sektorach, w których tradycyjne systemy wizji napotykają na ograniczenia. W scenariuszach odpowiedzi na sytuacje awaryjne, technologia mogłaby umożliwić robotom ratunkowym skuteczne nawigowanie w budynkach wypełnionych dymem, utrzymując precyzyjne śledzenie i możliwości mapowania, gdzie tradycyjne sensory byłyby bezużyteczne.

Zdolność systemu do wykrywania ludzi przez przeszkody wizualne sprawia, że jest on szczególnie cenny w operacjach poszukiwawczo-ratunkowych w niebezpiecznych środowiskach. “Nasze testy polowe w różnych budynkach pokazały, jak czujniki radiowe mogą się sprawdzić tam, gdzie tradycyjne sensory mają trudności”, mówi asystent badawczy Yifei Liu. Możliwość techniki do mapowania przestrzeni z szklanymi ścianami i utrzymania funkcjonalności w środowiskach wypełnionych dymem demonstruje jej potencjał dla poprawy operacji bezpieczeństwa.

W sektorze pojazdów autonomicznych, możliwości PanoRadar w warunkach wszystkich pogodowych mogą rozwiązać jeden z najbardziej uporczywych wyzwań branży: utrzymanie niezawodnej operacji w trudnych warunkach pogodowych. Możliwości obrazowania o wysokiej rozdzielczości systemu, w połączeniu z jego zdolnością do funkcjonowania w mgle, deszczu i innych trudnych warunkach, mogą znacznie poprawić bezpieczeństwo i niezawodność samochodów bezzałogowych.

Ponadto, efektywność kosztowa techniki w porównaniu z tradycyjnymi systemami sensorycznymi sprawia, że jest to opcja warta rozważenia dla szerszego wdrożenia w różnych aplikacjach robota, od automatyki przemysłowej do systemów bezpieczeństwa.

Przyszłe implikacje dla branży

Rozwój PanoRadar reprezentuje więcej niż nową technologię sensoryczną – sygnalizuje potencjalną zmianę w tym, jak roboty postrzegają i interaktywnie oddziałują ze swoim otoczeniem. Zespół Penn Engineering już bada sposoby integracji PanoRadar z istniejącymi technologiami sensorycznymi, takimi jak kamery i LiDAR, pracując nad stworzeniem bardziej wytrzymałych, wielomodalnych systemów percepcji.

“Dla zadań o wysokim ryzyku, posiadanie wielu sposobów postrzegania środowiska jest kluczowe”, podkreśla Zhao. “Każdy sensor ma swoje zalety i wady, a łącząc je inteligentnie, możemy stworzyć roboty, które są lepiej wyposażone do radzenia sobie z wyzwaniami świata rzeczywistego”.

To wielomodalne podejście może okazać się szczególnie cenne w krytycznych aplikacjach, gdzie redundancja i niezawodność są niezwykle ważne. Zespół rozszerza swoje testy, aby objąć różne platformy robota i pojazdy autonomiczne, sugerując przyszłość, w której roboty będą mogły bezproblemowo przełączać się między różnymi trybami sensorycznymi w zależności od warunków środowiskowych.

Potencjał techniki sięga dalej niż jej obecne możliwości. W miarę postępu techniki sztucznej inteligencji i przetwarzania sygnałów, przyszłe wersje PanoRadar mogą oferować jeszcze wyższą rozdzielczość i bardziej zaawansowane możliwości mapowania środowiska. Ta ciągła ewolucja może pomóc w zamykaniu lukę między percepcją ludzką a maszynową, umożliwiając robotom skuteczniejsze działanie w coraz bardziej złożonych środowiskach.

Podsumowanie

W miarę jak robotyka coraz bardziej integruje się z krytycznymi aspektami społeczeństwa, od odpowiedzi na sytuacje awaryjne po transport, potrzeba niezawodnych systemów percepcji we wszystkich warunkach pogodowych staje się coraz bardziej istotna. Innowacyjne podejście PanoRadar do łączenia technologii fal radiowych z sztuczną inteligencją nie tylko rozwiązuje obecne ograniczenia wizji robota, ale otwiera nowe możliwości dla interakcji maszyn z otoczeniem. Z jego potencjałem do szerokiego zastosowania i dalszego rozwoju, ten przełom może oznaczać znaczący punkt zwrotny w ewolucji systemów percepcji robota.

Alex McFarland jest dziennikarzem i pisarzem zajmującym się sztuczną inteligencją, który bada najnowsze rozwoje w dziedzinie sztucznej inteligencji. Współpracował z licznymi startupami i wydawnictwami związanymi z sztuczną inteligencją na całym świecie.