Roboty, które eksplorują i zgadują

Roboty, które eksplorują i zgadują

Amerykańscy naukowcy testują roboty, które wykorzystują ‘zgadywanie’ do tworzenia map otoczenia. Dzięki temu będą one mogły łatwiej nawigować w tak trudnych środowiskach, jak choćby niezamieszkałe budynki.

Nawigacja jest jednym z największych wyzwań mobilnej robotyki. Jedna z popularnych technik, nazwana SLAM (symultaniczna lokalizacja i tworzenie mapy), polega na tym, że robot sam tworzy mapę okolicznego terenu równocześnie śledząc swoją na niej pozycję.

Podczas gdy ludziom tworzenie ‘map w myślach’ przychodzi łatwo, dla robota wykonanie takiego zadania jest niezwykle trudne i czasochłonne.

Roboty wykorzystują do tworzenia map skanery laserowe mierzące odległości. Aby przyspieszyć ten proces i uczynić go dokładniejszym, naukowcy próbowali wykorzystać różne algorytmy, a także całe zespoły robotów eksplorujących teren wspólnie.

Tymczasem George Lee z kolegami z Purude University zastosowali zupełnie nowe podejście do problemu. Opracowali algorytm, który wykorzystuje już zgromadzone informacje do ‘zgadywania’, co będzie dalej.

„Zdaliśmy sobie sprawę, że tworząc w myślach mapę na bieżąco, wykorzystujemy nasz umysł do przewidywania warunków w nieznanych obszarach, jak bazę danych,” – powiedział Lee. „Gdy już poczynisz takie założenia, możesz zaoszczędzić czas i nie sprawdzać, albo eksplorować mimo to i stworzyć dokładniejszą mapę.”

Stworzony algorytm identyfikuje niezbadane tereny, określane jako ‘komórki graniczne’, przylegające do obszarów, które zostały już zbadane. Następnie wykorzystuje wzór narożników tych komórek do porównania z analogicznymi wzorami znajdującymi się w zbadanej części. Jeżeli uda się znaleźć korelacje, algorytm wykorzystuje istniejąca mapę do odgadnięcia zawartości ‘komórek granicznych’. Każde założenie posiada swój ‘stopień pewności’. Obszary o dużym ‘stopniu pewności’ mogą pozostawać niezbadane, co pozwala zaoszczędzić czas. Natomiast te o niskim ‘stopniu pewności’ muszą zostać zbadane celem skorygowania mapy.

Algorytm był początkowo testowany przy użyciu symulowanych robotów umieszczonych w wirtualnych labiryntach i środowiskach biurowych. Symulowane roboty były zdolne skutecznie nawigować po zbadaniu mniej niż 33 procent środowiska.

Następnie przyszła kolej na testy prowadzone przy wykorzystaniu małych robotów w pomieszczeniach biurowych na uniwersytecie.

Lee i koledzy planują rozszerzyć swa metodę na inne roboty. „Mógłbyś mieć dwa roboty tworzące swoje własne mapy, którymi mogłyby się dzielić przy spotkaniu.” – powiedział Lee. To umożliwi robotowi tworzenie założeń na podstawie danych zgromadzonych przez inne roboty.

Ale metoda ta ma i swoje ograniczenia. „Sprawdza się ona w środowiskach zamkniętych, ale znacznie słabiej radzi sobie w środowiskach otwartych.”

„To podejście ma sens,” – mówi Andrew Davison, z Imperial College London. „Zamiast gromadzić całą masę zbędnych detali, uczą się pewnych stałych, powtarzalnych cech charakterystycznych dla danego środowiska.”

(lk)