Sistem untuk meningkatkan navigasi dalam ruangan robot
Robot

Sistem untuk meningkatkan navigasi dalam ruangan robot


Arsitektur dari (a) modul CNN, (b) modul prediksi tabrakan prematur, (c) modul pengecekan target yang dikembangkan oleh para peneliti. Kredit: Wu et al

Selama dekade terakhir ini, ahli robotik mengembangkan sistem robotik yang semakin canggih yang dapat membantu manusia menyelesaikan berbagai tugas, baik di rumah maupun di lingkungan lain. Namun, untuk membantu pengguna, sistem ini harus dapat menavigasi dan menjelajahi lingkungannya secara efisien, tanpa bertabrakan dengan objek lain di sekitarnya.

Meskipun sekarang ada sejumlah sistem dan teknik navigasi, mobilitas sebagian besar robot masih cukup terbatas, terutama di lingkungan yang tidak diketahui dan belum dipetakan. Sebagian besar metode navigasi yang ada memiliki dua komponen utama: satu dirancang untuk membuat peta yang dapat digunakan robot sebagai referensi (mis. menjelajahi pohon acak dengan cepat).

Meskipun beberapa dari metode ini mencapai hasil yang menjanjikan, metode ini cenderung sangat sensitif terhadap noise yang ditangkap oleh sensor robot. Akibatnya, mereka sering kali sangat bergantung pada peta dan berkinerja buruk dalam lingkungan yang dinamis atau cepat berubah. Pendekatan navigasi berbasis pembelajaran mendalam yang tidak bergantung pada peta pada akhirnya dapat membantu mengatasi keterbatasan sistem ini.

Para peneliti di Universitas Aeronautika dan Astronautika Nanjing dan Universitas Teknologi Pertahanan Nasional di China baru-baru ini mengembangkan sistem baru yang dapat memungkinkan navigasi robot yang lebih efisien di lingkungan dalam ruangan. Alih-alih mengandalkan peta yang telah ditentukan sebelumnya, sistem ini menggunakan pendekatan pelatihan yang dikenal sebagai pembelajaran imitasi generatif, yang memungkinkan robot untuk menavigasi lingkungannya dan memenuhi tujuan mereka.

“Metode kami mengambil observasi multi-view dari robot dan target sebagai input pada setiap langkah waktu untuk memberikan urutan tindakan yang menggerakkan robot ke target tanpa bergantung pada odometri atau GPS saat runtime,” tulis para peneliti dalam makalah mereka. .

Sistem navigasi yang dirancang oleh para peneliti memiliki tiga komponen utama. Yang pertama adalah modul generatif variasional yang dilatih tentang demonstrasi manusia, yang dirancang untuk memprediksi perubahan lingkungan sebelum robot mulai merencanakan tindakannya.

Komponen kedua memprediksi tabrakan statis, meningkatkan keamanan navigasi robot. Terakhir, modul pemeriksaan target mempertimbangkan tindakan atau target akhir yang coba dicapai robot, menggunakan informasi ini untuk menyusun kebijakan navigasi yang lebih efektif.

“Tiga desain yang diusulkan semuanya berkontribusi pada peningkatan efisiensi data pelatihan, penghindaran tabrakan statis, dan kinerja generalisasi navigasi, menghasilkan sistem navigasi tanpa peta yang digerakkan oleh target,” para peneliti menjelaskan dalam makalah mereka.

Di masa depan, sistem baru yang diperkenalkan oleh tim peneliti di Nanjing University of Aeronautics and Astronautics dan National University of Defense Technology dapat digunakan untuk meningkatkan navigasi robot lain yang dirancang untuk beroperasi di rumah orang, di kantor, atau di lingkungan dalam ruangan lainnya. . Selain itu, hasil yang dicapai oleh sistem dapat menginspirasi peneliti lain untuk membuat alat serupa untuk memungkinkan navigasi yang digerakkan oleh target secara lebih efisien dalam robot.

Sejauh ini, sistem navigasi telah dievaluasi dalam serangkaian eksperimen dunia nyata menggunakan Turtlebot, platform robotik berbiaya rendah yang dibuat oleh dua insinyur di Willow Garage. Hasil tes ini sangat menjanjikan, karena sistem dengan mudah diintegrasikan ke dalam robot dan memungkinkannya untuk menavigasi lingkungan dalam ruangan dengan lebih efektif.


Pendekatan baru untuk meningkatkan navigasi robot di lingkungan dalam ruangan


Informasi lebih lanjut:
Wu et al., Menuju navigasi visual yang digerakkan oleh target dalam adegan dalam ruangan melalui pembelajaran imitasi generatif. arXiv: 2009.14509 [cs.RO]. arxiv.org/abs/2009.14509

© 2020 Science X Network

Kutipan: Sistem untuk meningkatkan navigasi dalam ruangan robot (2020, 30 Oktober) diambil pada 27 November 2020 dari https://techxplore.com/news/2020-10-robot-indoor.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Singapore Prize