Робот, внезапно теряющий ориентацию в пространстве, давно остается серьезной проблемой для инженеров. Теперь ученые утверждают, что новая система ИИ поможет «похищенным» роботам снова находить путь даже в постоянно меняющейся обстановке.
Потеря роботом ориентира в пространстве — давняя проблема, известная как «задача похищенного робота», но исследователи утверждают, что разработали новую систему искусственного интеллекта, которая может помочь ее решить.
РЕКЛАМА
РЕКЛАМА
Команда исследователей из Университета Мигеля Эрнандеса в Эльче (Испания) разработала новый метод локализации для автономных роботов, использующий 3D LiDAR-технологию: она сканирует окружение лазерными импульсами и создает картоподобное представление пространства.
По словам ученых, это позволяет роботам восстанавливать свое положение даже после перемещения, выключения или смещения.
Надежная и безопасная локализация имеет ключевое значение для сервисной робототехники, автоматизации логистики, инспекции инфраструктуры, мониторинга окружающей среды и автономного транспорта.
Многие автономные роботы частично опираются на спутниковые навигационные системы, такие как GPS, но рядом с высотными зданиями сигнал может ослабевать и часто плохо работает в помещениях.
Исследователи говорят, что их система, известная как MCL-DLF (Monte Carlo Localisation – Deep Local Feature), позволяет роботам эффективнее полагаться на бортовые датчики, а не на внешнюю инфраструктуру.
Сначала система определяет общее местоположение, распознавая крупные объекты, такие как здания или растительность. Затем она уточняет точное положение робота, анализируя более мелкие детали; этот процесс задуман так, чтобы имитировать то, как люди ориентируются в незнакомых местах.
«Это похоже на то, как люди сначала узнают общий район, а затем ориентируются по небольшим отличительным деталям, чтобы определить свое точное местоположение», — пояснила Мириам Максима, ведущий автор исследования и сотрудник Университета Мигеля Эрнандеса в Эльче.
Используя ИИ, система учится определять, какие особенности окружающей среды наиболее полезны для локализации, одновременно поддерживает несколько возможных оценок местоположения и постоянно обновляет их по мере поступления новых данных с датчиков.
По словам исследователей, это повышает надежность в ситуациях, когда окружающая обстановка выглядит похожей или изменилась со временем.
Технологию в течение нескольких месяцев испытывали на территории университетского кампуса в разных условиях, в том числе в разное время года и при разном освещении.
Исследователи отмечают, что по сравнению с традиционными подходами система продемонстрировала более высокую точность позиционирования и более стабильную работу при изменяющихся условиях среды — от сезонных колебаний до изменений освещенности и растительности.
Новая система может помочь роботам действовать более автономно в реальной среде, где условия редко остаются неизменными.