หุ่นยนต์และ AI ทางกายภาพ

นักวิจัยพัฒนาแนวทางวางแผนเส้นทางขั้นสูงสำหรับหุ่นยนต์

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

นักวิจัยจากมหาวิทยาลัยมิชิแกนได้พัฒนาแนวทางวางแผนเส้นทางใหม่ที่ช่วยให้หุ่นยนต์เคลื่อนที่ได้เร็วขึ้นบนพื้นที่ที่ยากลำบาก แอลกอริทึมที่พัฒนาขึ้นใหม่นี้สามารถค้นหาเส้นทางที่สำเร็จได้บ่อยกว่าแอลกอริทึมมาตรฐานถึงสามเท่า และต้องใช้เวลาประมวลผลน้อยกว่ามาก

การวิจัยนี้ได้รับการตีพิมพ์ใน Autonomous Robots

พัฒนาแอลกอริทึมใหม่

แอลกอริทึมนี้มีเป้าหมายเฉพาะสำหรับหุ่นยนต์ที่ใช้เครื่องมือคล้ายแขนเพื่อรักษาสมดุลบนพื้นที่ที่ยากลำบาก เช่น พื้นที่ภัยพิบัติและไซต์ก่อสร้าง

Dmitry Berenson เป็นรองศาสตราจารย์สาขาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ และเป็นคณะกรรมการหลักของสถาบันวิจัยหุ่นยนต์

“ในอาคารที่พังหรือบนพื้นที่ที่ยากลำบาก หุ่นยนต์อาจไม่สามารถรักษาสมดุลและเคลื่อนที่ได้ด้วยเท้าเท่านั้น” Berenson กล่าว “คุณต้องมีแอลกอริทึมใหม่เพื่อค้นหาเส้นทางที่ดีที่สุด และสิ่งนี้ทำให้เกิดปัญหาที่ยากมาก”

การวิจัยใหม่นี้ช่วยให้หุ่นยนต์สามารถกำหนดความยากของพื้นที่ก่อนที่จะคำนวณเส้นทางที่ดีที่สุด

Yu-Chi Lin เป็นนักวิจัยหุ่นยนต์ระดับ博士และเป็นนักวิศวกรซอฟต์แวร์ที่ Neuro Inc.

“ก่อนอื่น เราใช้การเรียนรู้ของเครื่องจักรเพื่อฝึกหุ่นยนต์ให้สามารถวางมือและเท้าได้เพื่อรักษาสมดุลและเคลื่อนที่” Lin กล่าว “จากนั้น เมื่อถูกวางในพื้นที่ใหม่ที่ซับซ้อน หุ่นยนต์สามารถใช้สิ่งที่เรียนรู้เพื่อกำหนดเส้นทางที่ดีที่สุดและเคลื่อนที่ได้เร็วขึ้น”

尽管มีวิธีการใหม่ที่ดีขึ้น แต่ยังคงต้องใช้เวลานานในการวางแผนเส้นทางที่สำเร็จโดยใช้แอลกอริทึมวางแผนแบบดั้งเดิม

“หากเราพยายามค้นหาเส้นทางที่ยาวและซับซ้อนโดยใช้แอลกอริทึมวางแผนแบบดั้งเดิม จะต้องใช้เวลานานมาก” Berenson กล่าว

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

แบ่งและ征服

เพื่อหลีกเลี่ยงปัญหานี้ ทีมงานได้ใช้วิธีการ “แบ่งและ征服” โดยแบ่งเส้นทางออกเป็นช่วงๆ ที่ยากและง่ายๆ สำหรับช่วงที่ยาก หุ่นยนต์จะใช้แอลกอริทึมที่เรียนรู้ได้ และสำหรับช่วงที่ง่าย หุ่นยนต์จะใช้แอลกอริทึมวางแผนเส้นทางที่ง่ายกว่า

“สิ่งนี้ดูเหมือนจะง่าย แต่จริงๆ แล้วมันคือปัญหาที่ยากมากที่จะแบ่งปัญหาและเลือกแอลกอริทึมที่เหมาะสมสำหรับแต่ละส่วน” Lin กล่าว

เพื่อให้สิ่งนี้เกิดขึ้น นักวิจัยต้องมีแบบจำลองเรขาคณิตของพื้นที่ทั้งหมด ซึ่งสามารถทำได้โดยการบินโดรนเพื่อสำรวจพื้นที่ก่อนที่หุ่นยนต์จะเคลื่อนที่

ทีมงานได้สร้างการทดลองเสมือนจริงโดยใช้หุ่นยนต์แบบมานุษย์ในทางเดินของอาคารที่พัง และผลลัพธ์แสดงให้เห็นว่าวิธีการของทีมงานมีประสิทธิภาพมากกว่าวิธีการเดิมในด้านความสำเร็จและเวลาที่ใช้ในการวางแผน ซึ่งเป็นสิ่งสำคัญในสถานการณ์ภัยพิบัติ

จากการทดลอง 50 ครั้ง วิธีการของทีมงานสามารถเข้าถึงเป้าหมายได้ 84% เทียบกับ 26% ของแอลกอริทึมวางแผนเส้นทางแบบดั้งเดิม และใช้เวลาเพียงสองนาทีในการวางแผนเทียบกับสามนาทีของแอลกอริทึมวางแผนเส้นทางแบบดั้งเดิม

นอกจากนี้ ทีมงานยังได้แสดงให้เห็นว่าวิธีการของพวกเขาสามารถใช้ได้จริงในโลกแห่งความเป็นจริงโดยใช้หุ่นยนต์ที่มีล้อและตัวหุ่นยนต์ มีแขนสองข้าง หุ่นยนต์ถูกวางบนพื้นที่ที่มีความชัน และใช้ “มือ” เพื่อรักษาสมดุลเมื่อพื้นที่ไม่สม่ำเสมอ วิธีการของทีมงานทำให้หุ่นยนต์สามารถวางแผนเส้นทางได้ภายในเวลาเพียงเศษเสี้ยวของวินาที เทียบกับ 3.5 วินาทีของแอลกอริทึมวางแผนเส้นทางแบบดั้งเดิม

ทีมงานจะพัฒนาแอลกอริทึมให้สามารถเคลื่อนที่ได้อย่างมีเสถียรภาพแบบไดนามิก ซึ่งคล้ายกับการเคลื่อนที่ตามธรรมชาติของมนุษย์และสัตว์ สิ่งนี้จะช่วยให้หุ่นยนต์เคลื่อนที่ได้เร็วขึ้น เนื่องจากไม่ต้องรักษาสมดุลอยู่เสมอ

Alex McFarland เป็นนักข่าวและนักเขียน AI ที่สำรวจการพัฒนาล่าสุดในด้านปัญญาประดิษฐ์ เขาได้ร่วมงานกับสตาร์ทอัพ AI และสื่อสิ่งพิมพ์ต่างๆ ทั่วโลก