Инженеры МИТ создали новый алгоритм, улучшающий навигацию роботов — Роботех

Инженеры МИТ создали новый алгоритм, улучшающий навигацию роботов

Инженеры MIT разработали метод навигации, который не требует предварительного картирования местности. Вместо этого их подход позволяет роботу использовать подсказки в своей среде для планирования маршрута к месту назначения, который можно описать в общих семантических терминах, таких как «входная дверь» или «гараж», а не в качестве координат на карте. 

Например, если роботу дают указание доставить посылку кому-то перед входной дверью, он может начать движение по дороге и увидеть подъездную дорогу, которую он обучен распознавать как ведущую к тротуару, которая, в свою очередь, может привести к к входной двери.

Новая техника может значительно сократить время, затрачиваемое роботом на изучение свойства, прежде чем определить его цель, и не зависит от карт конкретных мест проживания. 

«Нам не хотелось бы составлять карту каждого здания, которое нам нужно было бы посетить», — говорит Майкл Эверетт, аспирант факультета машиностроения MIT. 

В последние годы исследователи работали над внедрением естественного, семантического языка в роботизированные системы, обучая роботов распознавать объекты по их семантическим меткам, чтобы они могли визуально обрабатывать дверь, например, как дверь, а не просто как твердое прямоугольное препятствие. В их случае исследователи использовали алгоритм для построения карты окружающей среды при перемещении робота, используя семантические метки каждого объекта и изображение глубины. Этот алгоритм называется семантическим SLAM (одновременная локализация и сопоставление).

Они разработали новый алгоритм, который преобразует семантическую карту, созданную ранее существовавшими алгоритмами SLAM, во вторую карту, отражающую вероятность того, что любое заданное местоположение будет близко к цели.

Исследователи с помощью нового алгоритма составили карту одного из пригородных районов, состоящих из 77 домов. Для каждого спутникового изображения Эверетт назначил семантические метки и цвета для контекстных объектов в типичном переднем дворе, таких как серый для входной двери, синий для проезжей части и зеленый для живой изгороди.

Новая методика позволила роботу находить входную дверь на 189% быстрее, чем ранее. Эверетт говорит, что результаты показывают, как роботы могут использовать контекст для эффективного определения цели, даже в незнакомой, не нанесенной на карту окружающей среде.

«Даже если робот доставляет посылку в среду, в которой он никогда не был, могут существовать подсказки, которые будут такими же, как и в других местах, которые он видел. Таким образом, мир может быть изложен немного по-другому, но некоторые общие черты все равно будут», — говорит Эверетт.

Это исследование частично поддерживается компанией Ford Motor.

Add a Comment

Ваш e-mail не будет опубликован. Обязательные поля помечены *