Pesquisadores Desenvolvem Abordagem Avançada de Planejamento de Caminho para Robôs

Pesquisadores da Universidade de Michigan desenvolveram uma nova abordagem de planejamento de caminho que acelera os robôs em terrenos difíceis. O algoritmo recém-desenvolvido foi capaz de encontrar caminhos bem-sucedidos três vezes mais frequentemente do que os algoritmos padrão, e exigiu muito menos tempo de processamento.

A pesquisa foi publicada em Autonomous Robots.

Desenvolvendo o Novo Algoritmo

O algoritmo foi especificamente direcionado a robôs que usam apêndices semelhantes a braços para manter o equilíbrio em terrenos difíceis, como áreas de desastres e canteiros de obras.

Dmitry Berenson é professor associado de engenharia elétrica e computacional e membro do corpo docente do Instituto de Robótica.

“Em um prédio desmoronado ou em um terreno muito difícil, um robô não sempre poderá se equilibrar e se mover para a frente com apenas os pés”, disse Berenson. “Você precisa de novos algoritmos para descobrir onde colocar ambos os pés e as mãos. Você precisa coordenar todos esses membros juntos para manter a estabilidade, e o que isso se resume é um problema muito difícil.”

A nova pesquisa ajuda os robôs a determinar quão difícil é o terreno antes de calcular o melhor caminho para a frente.

Yu-Chi Lin é um recém-formado em robótica e engenheiro de software na Neuro Inc.

“Primeiro, usamos aprendizado de máquina para treinar o robô em diferentes maneiras de colocar as mãos e os pés para manter o equilíbrio e fazer progresso”, disse Lin. “Em seguida, quando colocado em um novo ambiente complexo, o robô pode usar o que aprendeu para determinar quão transponível é um caminho, permitindo que ele encontre um caminho para o objetivo muito mais rápido.”

Apesar do novo e aprimorado método, ainda leva muito tempo para planejar um caminho bem-sucedido e longo enquanto se usa algoritmos de planejamento tradicionais.

“Se tentássemos encontrar todas as localizações de mãos e pés ao longo de um caminho longo, levaria muito tempo”, disse Berenson.

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

Dividir e Conquistar

Para contornar isso, a equipe confiou em uma abordagem “dividir e conquistar”. Eles dividiram o caminho em seções difíceis de transpor e seções mais fáceis de transpor. Com as primeiras, os robôs aplicam seu método baseado em aprendizado, e com as segundas, eles usam um planejamento de caminho mais simples.

“Isso soa simples, mas é realmente difícil saber como dividir corretamente esse problema e qual método de planejamento usar para cada segmento”, disse Lin.

Para que isso aconteça, os pesquisadores precisam de um modelo geométrico de todo o ambiente, que eles podem obter voando um drone que avança à frente do robô.

A equipe criou um experimento virtual com um robô humanoid em um corredor de escombros, e os resultados demonstraram que o método da equipe superou os métodos anteriores em sucesso e tempo total para planejar. Isso é crucial em cenários de desastres.

De 50 tentativas, o método da equipe alcançou o objetivo 84% do tempo, em comparação com 26% para o planejador de caminho básico. Ele levou apenas um pouco mais de dois minutos para planejar, em comparação com mais de três minutos para o planejador de caminho básico.

Além disso, a equipe também demonstrou como seu método pode funcionar no mundo real com um robô sobre rodas com um torso e dois braços. A base do robô foi colocada em uma rampa inclinada, e ele usou suas “mãos” para se apoiar enquanto uma superfície irregular se movia. O método da equipe permitiu que o robô planejasse um caminho em apenas um décimo de segundo, em comparação com mais de 3,5 segundos com o planejador de caminho básico.

A equipe agora irá se concentrar em incorporar movimento dinamicamente estável, que é semelhante ao movimento natural de humanos e animais. Isso melhoraria a velocidade de movimento do robô, pois ele não precisaria estar constantemente em equilíbrio.