Da bi uspešno završili misije u dinamičnim i nestrukturiranim okruženjima u stvarnom svetu, mobilni roboti bi trebalo da budu u stanju da prilagode svoje akcije u realnom vremenu kako bi izbegli sudare sa obližnjim objektima, ljudima ili životinjama.
Većina postojećih pristupa za sprečavanje sudara robota funkcioniše kreiranjem tačnih mapa okruženja kojim se robot kreće, a zatim planiranjem najboljih putanja da bezbedno stigne do željene lokacije.
Mnoge ranije predložene tehnike navigacije robota postigle su obećavajuće rezultate u simulaciji. Međutim, oni se često nisu ponašali tako dobro u stvarnim okruženjima, posebno u onim koje su nepredvidive i koje se brzo menjaju tokom vremena.
Istraživači sa Univerziteta Kalifornije u San Dijegu nedavno su predstavili novu metodu koja bi mogla poboljšati navigaciju mobilnih robota u dinamičnim i nestrukturiranim okruženjima.
Ovaj metod, predstavljen u radu objavljenom na arXiv serveru za preprint, do sada je uspešno primenjen na robota Jackal, robotskog sistema na točkovima koji je razvio ClearPath Robotics.
„Naš nedavni rad se bavi kritičnom potrebom za sigurnom autonomnom navigacijom mobilnih robota u složenim, nepoznatim i dinamičnim okruženjima, uzimajući u obzir ograničene resurse senzora i računarstva koji su dostupni na brodu“, rekao je Kehan Long, koautor rada, za Tech Explore.
„Dok su prethodna istraživanja napravila značajan napredak koristeći tehnike kao što su veštačka potencijalna polja, funkcije navigacije i funkcije kontrolne barijere, mnoge od ovih metoda se oslanjaju na konstruisanje tačne mape okruženja.“
Pravljenje mapa dinamičkih okruženja u realnom vremenu može biti izazovno, posebno ako se ova okruženja brzo menjaju tokom vremena. Ključni cilj nedavne studije Longa i njegovih kolega bio je da razviju novu metodu koja može garantovati bezbednost mobilnih robota u ovim promenljivim okruženjima, direktno koristeći podatke prikupljene od ugrađenih senzora robota umesto rekonstrukcije preciznih mapa okruženja.
„Naš novi metod za bezbednu navigaciju mobilnog robota uvodi formulaciju distributivno robusne funkcije kontrolne barijere (DR-CBF),“ objasnio je Long.
„Osnovni koncept je da se robotova merenja senzora bučnog opsega (npr. iz LiDAR-a) direktno inkorporiraju u optimizaciju kontrole kao bezbednosna ograničenja, umesto da se prvo konstruiše tačna mapa. Korišćenjem rigoroznih teorija iz distributivno robusne optimizacije, možemo robusno uzeti u obzir neizvesnosti i u senzorima i u dinamičkom okruženju“.
Metoda navigacije mobilnog robota koju su razvili Long i njegove kolege ima različite prednosti u odnosu na druge pristupe uvedene u poslednjih nekoliko godina. Najvažnije, može garantovati bezbedan rad robota, sprečavajući ih da se sudare sa objektima, dok zahtevaju samo ograničene računarske resurse.
„Izrazita karakteristika naše metode je da obezbeđuje bezbednu navigaciju direktnim korišćenjem nedavnih senzorskih podataka u određivanju kontrolnog ulaza, omogućavajući robotu da se brzo prilagodi promenama u okruženju“, rekao je Long.
„Praktične implikacije našeg rada su značajne. Omogućavanjem razvoja pouzdanih mobilnih robota sa smanjenim računarskim zahtevima, naš pristup ima potencijal da smanji troškove izgradnje robota, čineći ih pristupačnijim za širok spektar aplikacija.“
Da bi testirali svoj metod, Long i njegove kolege primenili su ga na ClearPath Jackal, robota otpornog na vremenske uslove na točkovima, koji je bio opremljen LiDAR senzorom. Njihovi nalazi su bili ohrabrujući, demonstrirajući efikasnost i raznovrsnost njihovog pristupa u dinamičkim okruženjima u zatvorenom i na otvorenom.
„U našem budućem istraživanju planiramo da proširimo našu metodologiju na složenije robotske sisteme, kao što su roboti na nogama i humanoidi“, dodao je Long. „Naš krajnji cilj je da razvijemo bezbedne i sposobne robote koji mogu da se kreću i komuniciraju u bilo kom okruženju, istovremeno pružajući robusne bezbednosne garancije.“
