Robots losing track przez roboty to znane od dawna wyzwanie, określane mianem problemu „porwanego robota” (kidnapped robot problem). Badacze twierdzą jednak, że opracowali nowy system AI, który może pomóc w jego rozwiązaniu. Zespół badawczy z Uniwersytetu Miguela Hernándeza w Elche (Hiszpania) opracował nową metodę lokalizacji dla robotów autonomicznych. Wykorzystuje ona technologię 3D LiDAR do skanowania otoczenia za pomocą impulsów laserowych w celu stworzenia reprezentacji środowiska przypominającej mapę.
Jak twierdzą badacze, pozwala to robotom na odzyskanie swojej pozycji nawet po tym, jak zostały przeniesione, wyłączone lub przemieszczone.
Niezawodność niezależna od GPS
Niezawodna i bezpieczna lokalizacja jest kluczowa dla robotyki usługowej, automatyzacji logistyki, inspekcji infrastruktury, monitorowania środowiska oraz pojazdów autonomicznych. Wiele robotów autonomicznych polega częściowo na systemach nawigacji satelitarnej, takich jak GPS. Sygnały te mogą jednak słabnąć w pobliżu wysokich budynków i często nie sprawdzają się dobrze wewnątrz pomieszczeń. Naukowcy tłumaczą, że ich system – znany jako MCL-DLF (Monte Carlo Localisation – Deep Local Feature) – umożliwia robotom skuteczniejsze poleganie na czujnikach pokładowych zamiast na zewnętrznej infrastrukturze.
System najpierw identyfikuje ogólny obszar, rozpoznając duże struktury, takie jak budynki czy roślinność. Następnie zawęża dokładną pozycję robota, analizując mniejsze detale – jest to proces zaprojektowany tak, aby odzwierciedlać sposób, w jaki ludzie orientują się w nieznanych miejscach.
„Jest to podobne do tego, jak ludzie najpierw rozpoznają ogólny obszar, a następnie polegają na małych, wyróżniających się detalach, aby określić swoją dokładną lokalizację” – powiedziała Míriam Máximo, główna autorka badania i badaczka na Uniwersytecie Miguela Hernándeza w Elche.
Jak system radzi sobie ze zmianami?
Wykorzystując sztuczną inteligencję, system uczy się, które cechy środowiska są najbardziej przydatne do określenia położenia. Utrzymuje on jednocześnie kilka możliwych szacunków lokalizacji i stale je aktualizuje w miarę napływu nowych danych z czujników.
Naukowcy wskazują, że pomaga to poprawić niezawodność w sytuacjach, gdy otoczenie wygląda podobnie lub zmieniło się z upływem czasu.
Technologia ta była testowana przez kilka miesięcy na kampusie uniwersyteckim w różnych warunkach, w tym w różnych porach roku i przy zmiennym oświetleniu.
Badacze twierdzą, że w porównaniu z konwencjonalnymi podejściami, system wykazał wyższą dokładność pozycjonowania i bardziej spójne działanie w zmieniających się warunkach środowiskowych – od zmian sezonowych po modyfikacje oświetlenia i roślinności.
Nowy system może pomóc robotom działać bardziej niezależnie w rzeczywistych środowiskach, w których warunki rzadko pozostają statyczne.
