Autonom Robot Hittar och Öppnar Dörrar Medan Den Laddar Upp Sig

En grupp ingenjörsstudenter vid University of Cincinnati bygger en autonom robot som kan öppna sina egna dörrar och hitta den närmaste eluttaget, vilket möjliggör att den kan ladda upp sig utan mänsklig hjälp.

Den nya studien publicerades i tidskriften IEEE Access.

Dörrar – En Robots Akilleshäl

En av de största hindren för robotar är dörrar.

Ou Ma är en professor i flyg- och rymdingenjörsvetenskap vid University of Cincinnati.

“Robotar kan göra många saker, men om du vill att en ska öppna en dörr på egen hand och gå genom dörren, är det en enorm utmaning”, sa Ma.

Teamet kunde övervinna detta problem i tredimensionella digitala simuleringar, och det är ett stort steg framåt för hjälpande robotar. Dessa robotar kan inkludera de som suger och desinficerar kontorsbyggnader, flygplatser och sjukhus. De utgör en stor del av den 27 miljarder dollar stora robotindustrin.

Yufeng Sun är studiens huvudförfattare och en doktorand vid UC College of Engineering and Applied Science.

Enligt Sun har vissa forskare arbetat runt detta problem genom att skanna hela rummet för att skapa en 3D-digital modell, vilket möjliggör att en robot kan lokalisera en dörr. Men detta är en tidskrävande lösning som endast är tillämplig på det skannade rummet.

Det finns många utmaningar när det gäller att utveckla en autonom robot som kan öppna en dörr på egen hand. Först kommer de i olika färger och storlekar, och de har olika handtag som kan vara lägre eller högre. Robotar måste också veta hur mycket kraft de ska använda för att öppna dörrar för att övervinna motstånd. Eftersom många offentliga dörrar är självstängande kan en robot förlora greppet och tvingas börja om.

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

Användning av Maskinlärning

Genom att använda maskinlärning kunde UC-studenterna göra så att roboten kunde “lära sig” att öppna en dörr genom trial och error. Detta innebär att roboten korrigerar sina misstag allteftersom den går, och simuleringar hjälper den att förbereda sig för den faktiska uppgiften.

“Roboten behöver tillräckligt med data eller ‘erfarenheter’ för att hjälpa till att träna den”, sa Sun. “Detta är en stor utmaning för andra robotiska tillämpningar som använder AI-baserade metoder för att utföra verkliga uppgifter.”

Sun och UC-masterstudenten Sam King konverterar nu den lyckade simuleringsstudien till en riktig robot.

“Utmaningen är hur man överför denna inlärda kontrollpolicy från simulering till verklighet, ofta kallad ett ‘Sim2Real’-problem”, sa Sun.

En annan utmaning är att digitala simuleringar vanligtvis endast är 60% till 70% framgångsrika i de första verkliga tillämpningarna, så Sun planerar att tillbringa minst ett år med att förbättra det nya autonoma robotiksystemet.