Robot học và AI vật lý

Các nhà nghiên cứu phát triển phương pháp lập kế hoạch đường đi tiên tiến cho robot

mm
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google

Các nhà nghiên cứu tại Đại học Michigan đã phát triển một phương pháp lập kế hoạch đường đi mới giúp tăng tốc độ di chuyển của robot trên địa hình khó khăn. Thuật toán mới được phát triển có thể tìm thấy đường đi thành công nhiều lần hơn so với các thuật toán tiêu chuẩn và yêu cầu ít thời gian xử lý hơn.

Nghiên cứu này đã được công bố trên Autonomous Robots.

Phát triển Thuật toán Mới

Thuật toán này được thiết kế đặc biệt cho các robot sử dụng các phụ kiện giống như cánh tay để duy trì thăng bằng trên địa hình khó khăn, chẳng hạn như khu vực thảm họa và công trường xây dựng.

Dmitry Berenson là giáo sư phụ tá về kỹ thuật điện và máy tính và là thành viên cốt lõi của Viện Robotics.

“Trong một tòa nhà sập hoặc trên địa hình rất khó khăn, một robot không thể luôn luôn giữ thăng bằng và di chuyển chỉ bằng chân,” Berenson nói. “Bạn cần các thuật toán mới để xác định nơi đặt cả chân và tay. Bạn cần phối hợp tất cả các chi này lại với nhau để duy trì sự ổn định, và điều đó dẫn đến một vấn đề rất khó khăn.”

Nghiên cứu mới này giúp robot xác định độ khó khăn của địa hình trước khi tính toán đường đi tốt nhất.

Yu-Chi Lin là một tiến sĩ gần đây về robotics và là kỹ sư phần mềm tại Neuro Inc.

“Trước tiên, chúng tôi sử dụng học máy để đào tạo robot về các cách khác nhau nó có thể đặt tay và chân để duy trì thăng bằng và tiến bộ,” Lin nói. “Sau đó, khi được đặt trong một môi trường mới và phức tạp, robot có thể sử dụng những gì nó đã học để xác định độ khả thi của một đường đi, cho phép nó tìm thấy đường đi đến mục tiêu nhanh hơn.”

Mặc dù phương pháp mới và cải tiến, nó vẫn mất nhiều thời gian để lập kế hoạch cho một đường đi thành công dài trong khi sử dụng các thuật toán lập kế hoạch truyền thống.

“Nếu chúng tôi cố gắng tìm tất cả các vị trí tay và chân trên một đường đi dài, nó sẽ mất rất nhiều thời gian,” Berenson nói.

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

Chia và Chinh phục

Để vượt qua điều này, nhóm nghiên cứu đã dựa vào một phương pháp “chia và chinh phục”. Họ chia đường đi thành các phần khó khăn và dễ dàng. Với phần khó khăn, robot áp dụng phương pháp học máy, và với phần dễ dàng, họ sử dụng một phương pháp lập kế hoạch đường đi đơn giản hơn.

“Điều đó nghe có vẻ đơn giản, nhưng thực sự rất khó để biết cách chia nhỏ vấn đề này một cách chính xác, và phương pháp lập kế hoạch nào để sử dụng cho mỗi đoạn,” Lin nói.

Để làm được điều này, các nhà nghiên cứu cần một mô hình hình học của toàn bộ môi trường, mà họ có thể có được bằng cách bay một chiếc drone để trinh sát trước robot.

Đội ngũ đã tạo ra một thí nghiệm ảo với một robot giống người trong một hành lang đầy đổ nát, và kết quả cho thấy phương pháp của họ vượt trội so với các phương pháp trước đó về thành công và thời gian để lập kế hoạch. Điều này rất quan trọng trong các kịch bản thảm họa.

Trong 50 thử nghiệm, phương pháp của đội ngũ đã đạt được mục tiêu 84% lần so với 26% đối với trình lập kế hoạch đường đi cơ bản. Nó chỉ mất hơn hai phút để lập kế hoạch so với hơn ba phút đối với trình lập kế hoạch đường đi cơ bản.

Ngoài ra, đội ngũ cũng đã chứng minh rằng phương pháp của họ có thể hoạt động trong thế giới thực với một robot có bánh xe và có thân và hai cánh tay. Cơ sở của robot được đặt trên một ramp dốc, và nó sử dụng “tay” của mình để tựa vào một bề mặt không đều khi di chuyển. Phương pháp của đội ngũ đã cho phép robot lập kế hoạch đường đi trong hơn một phần mười giây, so với hơn 3,5 giây với trình lập kế hoạch đường đi cơ bản.

Đội ngũ sẽ tiếp tục nghiên cứu về việc kết hợp chuyển động ổn định động, tương tự như chuyển động tự nhiên của con người và động vật. Điều này sẽ cải thiện tốc độ di chuyển của robot, vì nó không cần phải luôn luôn giữ thăng bằng.

Alex McFarland là một nhà báo và nhà văn về trí tuệ nhân tạo, khám phá những phát triển mới nhất trong lĩnh vực trí tuệ nhân tạo. Ông đã hợp tác với nhiều công ty khởi nghiệp và xuất bản về trí tuệ nhân tạo trên toàn thế giới.