I ricercatori sviluppano un approccio avanzato alla pianificazione del percorso per i robot
I ricercatori dell’Università del Michigan hanno sviluppato un nuovo approccio alla pianificazione del percorso che accelera i robot su terreni accidentati. L’algoritmo di nuova concezione è stato in grado di trovare percorsi di successo tre volte più spesso degli algoritmi standard e ha richiesto tempi di elaborazione molto inferiori.
La ricerca è stata pubblicata su Autonomous Robots .
Sviluppo del nuovo algoritmo
L’algoritmo era specificamente rivolto a robot che utilizzano appendici simili a braccia per mantenere l’equilibrio su terreni accidentati, come aree disastrate e cantieri.
Dmitry Berenson è professore associato di ingegneria elettrica e informatica e facoltà di base presso il Robotics Institute.
“In un edificio crollato o su un terreno molto accidentato, un robot non sarà sempre in grado di bilanciarsi e avanzare con i suoi piedi”, ha affermato Berenson. “Servono nuovi algoritmi per capire dove mettere piedi e mani. Devi coordinare tutti questi arti insieme per mantenere la stabilità, e ciò a cui si riduce è un problema molto difficile.
La nuova ricerca aiuta i robot a determinare quanto sia difficile un terreno prima di calcolare il miglior percorso da percorrere.
Yu-Chi Lin è un neolaureato in robotica e ingegnere informatico presso Neuro Inc.
“In primo luogo, abbiamo utilizzato l’apprendimento automatico per addestrare il robot sui diversi modi in cui può posizionare mani e piedi per mantenere l’equilibrio e fare progressi”, ha affermato Lin. “Quindi, quando viene posizionato in un nuovo ambiente complesso, il robot può utilizzare ciò che ha appreso per determinare quanto sia percorribile un percorso, consentendogli di trovare un percorso verso l’obiettivo molto più velocemente”.
Nonostante il metodo nuovo e migliorato, ci vuole ancora molto tempo per pianificare con successo un lungo percorso utilizzando algoritmi di pianificazione tradizionali.
“Se provassimo a trovare tutte le posizioni delle mani e dei piedi su un lungo percorso, ci vorrebbe molto tempo”, ha detto Berenson.
Pianificazione della navigazione umanoide a lungo orizzonte utilizzando stime di attraversabilità ed esperienza precedente Dividere e conquistare
Per aggirare questo problema, il team ha fatto affidamento su un approccio “divide et impera”. Dividono il percorso in sezioni difficili da attraversare e sezioni più facili da attraversare. Con il primo, i robot applicano il loro metodo basato sull’apprendimento e, con il secondo, utilizzano una pianificazione del percorso più semplice.
“Sembra semplice, ma è davvero difficile sapere come suddividere correttamente il problema e quale metodo di pianificazione utilizzare per ciascun segmento”, ha affermato Lin.
Perché ciò accada, i ricercatori hanno bisogno di un modello geometrico dell’intero ambiente, che possono ottenere facendo volare un drone che esplora davanti al robot.
Il team ha creato un esperimento virtuale con un robot umanoide in un corridoio di macerie e i risultati hanno dimostrato che il metodo del team ha superato i metodi precedenti in termini di successo e tempo totale di pianificazione. Questo è fondamentale durante gli scenari di disastro.
Su 50 prove, il metodo del team ha raggiunto l’obiettivo l’84% delle volte rispetto al 26% del pianificatore di percorso di base. Ci sono voluti solo poco più di due minuti per pianificare rispetto a più di tre minuti per il pianificatore di percorso di base.
Oltre a questo, il team ha anche dimostrato come il loro metodo può funzionare nel mondo reale con un robot su ruote con un busto e due braccia. La base del robot è stata posizionata su una rampa ripida e ha usato le sue “mani” per sostenersi mentre una superficie irregolare si muoveva. Il metodo del team ha consentito al robot di pianificare un percorso in poco più di un decimo di secondo, rispetto a poco più di 3,5 secondi con il pianificatore di percorso di base.
Il team ora cercherà di incorporare un movimento dinamicamente stabile, che è simile al movimento naturale di esseri umani e animali. Ciò migliorerebbe la velocità di movimento del robot, poiché non ha bisogno di essere costantemente in equilibrio.
