Forskare Utvecklar Avancerad Sökvägsplanering för Robotar

Forskare vid University of Michigan har utvecklat en ny sökvägsplaneringsmetod som gör det möjligt för robotar att röra sig snabbare över ojämn terräng. Den nyligen utvecklade algoritmen kunde hitta framgångsrika sökvägar tre gånger så ofta som standardalgoritmer, och den krävde betydligt mindre bearbetningstid.

Forskningen publicerades i Autonomous Robots.

Utveckling av den nya algoritmen

Algoritmen var specifikt utformad för robotar som använder armliknande tillbehör för att upprätthålla balans på ojämn terräng, såsom katastrofområden och byggarbetsplatser.

Dmitry Berenson är biträdande professor i elektroteknik och datorteknik och kärnfakultet vid Robotics Institute.

“I en kollapsad byggnad eller på mycket ojämn terräng kommer en robot inte alltid att kunna balansera sig och röra sig framåt med bara sina fötter”, sa Berenson. “Du behöver nya algoritmer för att ta reda på var du ska placera både fötter och händer. Du behöver samordna alla dessa lemmar tillsammans för att upprätthålla stabilitet, och det är ett mycket svårt problem.”

Den nya forskningen hjälper robotar att avgöra hur svår terrängen är innan de beräknar den bästa sökvägen framåt.

Yu-Chi Lin är en nyligen avlagd doktorsexamen i robotik och mjukvaruutvecklare på Neuro Inc.

“Först använde vi maskinlärning för att träna roboten på de olika sätten den kan placera sina händer och fötter för att upprätthålla balans och göra framsteg”, sa Lin. “Sedan, när den placeras i en ny, komplex miljö, kan roboten använda det den har lärt för att avgöra hur framkomlig en sökväg är, vilket gör att den kan hitta en sökväg till målet mycket snabbare.”

Trots den nya och förbättrade metoden tar det fortfarande lång tid att planera en framgångsrik lång sökväg med hjälp av traditionella planeringsalgoritmer.

“Om vi försökte hitta alla hand- och fotplatser över en lång sökväg skulle det ta mycket lång tid”, sa Berenson.

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

Delat och erövrat

För att komma runt detta förlitade sig teamet på en “delat och erövrat”-metod. De delade upp sökvägen i svåra och lätta sektioner. Med de förra tillämpade robotarna sin lärandebaserade metod, och med de senare använde de en enklare sökvägsplanering.

“Det låter enkelt, men det är verkligen svårt att veta hur man ska dela upp problemet på rätt sätt och vilken planeringsmetod som ska användas för varje segment”, sa Lin.

För att detta ska ske behöver forskarna en geometrisk modell av hela miljön, som de kan få genom att flyga en drönare som spanar framför roboten.

Teamet skapade ett virtuellt experiment med en humanoid robot i en korridor av raser, och resultaten visade att teamets metod presterade bättre än tidigare metoder i framgång och total tid för planering. Detta är avgörande under katastrofsituationer.

Av 50 försök nådde teamets metod målet 84% av tiden jämfört med 26% för den grundläggande sökvägsplaneraren. Det tog bara lite över två minuter att planera jämfört med över tre minuter för den grundläggande sökvägsplaneraren.

Utöver detta visade teamet också hur deras metod kan fungera i den verkliga världen med en hjulburen robot med en torso och två armar. Robotens bas placerades på en brant ramp, och den använde sina “händer” för att stödja sig när en ojämn yta rörde sig. Teamets metod möjliggjorde för roboten att planera en sökväg på bara lite över en tiondel av en sekund, jämfört med lite över 3,5 sekunder med den grundläggande sökvägsplaneraren.

Teamet kommer nu att rikta sig mot att införa dynamiskt stabil rörelse, som liknar den naturliga rörelsen hos människor och djur. Detta skulle förbättra robotens rörelsehastighet, eftersom den inte behöver vara konstant i balans.