Автономный робот находит и открывает двери, одновременно заряжаясь

Команда студентов-инженеров из Университета Цинциннати разрабатывает автономного робота, способного открывать двери и находить ближайшую электрическую розетку, что позволяет ему заряжаться без помощи человека.

Новое исследование было опубликовано в журнале IEEE Access.

Двери – ахиллесова пята робота

Одной из самых больших проблем для роботов являются двери.

Оу Ма – профессор аэрокосмической инженерии в Университете Цинциннати.

«Роботы могут выполнять многие задачи, но если вы хотите, чтобы один из них открыл дверь самостоятельно и прошел через дверной проем, это огромная проблема», – сказал Ма.

Команда смогла преодолеть эту проблему в трехмерных цифровых симуляциях, и это является значительным шагом вперед для роботов-помощников. Эти роботы могут включать в себя те, которые чистят и дезинфицируют офисные здания, аэропорты и больницы. Они составляют большую часть 27-миллиардной робототехнической промышленности.

Юфэн Сун – ведущий автор исследования и докторант Университета Цинциннати Колледжа инженерии и прикладных наук.

По словам Суна, некоторые исследователи обходили эту проблему, сканируя всю комнату, чтобы создать трехмерную цифровую модель, что позволяет роботу найти дверь. Однако это является длительным решением, которое применимо только к сканируемой комнате.

Существует много проблем при разработке автономного робота, который может открыть дверь самостоятельно. Во-первых, двери бывают разных цветов и размеров, и у них разные ручки, которые могут быть выше или ниже. Роботы также должны знать, какую силу использовать, чтобы открыть двери и преодолеть сопротивление. Поскольку многие общественные двери являются само-закрывающимися, робот может потерять хватку и должен начать заново.

https://www.youtube.com/watch?v=O_FV47hIRus

Использование машинного обучения

Благодаря использованию машинного обучения, студенты Университета Цинциннати позволили роботу «научиться» открывать дверь методом проб и ошибок. Это означает, что робот исправляет свои ошибки по мере продвижения, и симуляции помогают ему подготовиться к реальной задаче.

«Роботу необходимо достаточное количество данных или «опыта», чтобы помочь ему научиться», – сказал Сун. «Это является большой проблемой для других робототехнических приложений, использующих подходы, основанные на искусственном интеллекте, для выполнения реальных задач».

Сун и магистрант Университета Цинциннати Сэм Кинг сейчас конвертируют успешное симуляционное исследование в реального робота.

«Проблема заключается в том, как передать это обученное управление от симуляции к реальности, часто называемое «Sim2Real»-проблемой», – сказал Сун.

Другой проблемой является то, что цифровые симуляции обычно являются только 60-70% успешными в первоначальных реальных приложениях, поэтому Сун планирует потратить не менее года на усовершенствование новой автономной робототехнической системы.