Ένα ρομπότ που ξαφνικά χάνει τον προσανατολισμό του αποτελεί χρόνια πρόκληση για τους μηχανικούς. Τώρα, ερευνητές λένε ότι ένα νέο σύστημα τεχνητής νοημοσύνης μπορεί να βοηθήσει «απαχθέντα» ρομπότ να ξαναβρίσκουν τον δρόμο τους.
Το γεγονός ότι τα ρομπότ «χάνουν» τον προσανατολισμό τους αποτελεί μια μακροχρόνια πρόκληση, γνωστή ως πρόβλημα του «απαχθέντος ρομπότ», όμως ερευνητές υποστηρίζουν ότι ανέπτυξαν ένα νέο σύστημα τεχνητής νοημοσύνης που θα μπορούσε να συμβάλει στην επίλυσή του.
ΔΙΑΦΉΜΙΣΗ
ΔΙΑΦΉΜΙΣΗ
Μια ερευνητική ομάδα στο Πανεπιστήμιο Μιγκέλ Ερνάντεθ στο Έλτσε της Ισπανίας ανέπτυξε μια νέα μέθοδο εντοπισμού θέσης για αυτόνομα ρομπότ, η οποία χρησιμοποιεί τρισδιάστατη τεχνολογία LiDAR για να σαρώνει το περιβάλλον με παλμούς λέιζερ και να δημιουργεί μια απεικόνιση του χώρου παρόμοια με χάρτη.
Όπως αναφέρουν, το σύστημα επιτρέπει στα ρομπότ να ανακτούν τη θέση τους ακόμη και αφού έχουν μετακινηθεί, απενεργοποιηθεί ή μετατοπιστεί.
Ο αξιόπιστος και ασφαλής εντοπισμός θέσης είναι κρίσιμης σημασίας για τη ρομποτική υπηρεσιών, την αυτοματοποίηση της εφοδιαστικής αλυσίδας, τους ελέγχους υποδομών, την περιβαλλοντική παρακολούθηση και τα αυτόνομα οχήματα.
Πολλά αυτόνομα ρομπότ βασίζονται εν μέρει σε δορυφορικά συστήματα πλοήγησης όπως το GPS, όμως τα σήματα αυτά μπορεί να εξασθενούν κοντά σε ψηλά κτίρια και συχνά δεν λειτουργούν καλά σε εσωτερικούς χώρους.
Σύμφωνα με τους ερευνητές, το σύστημά τους, γνωστό ως MCL-DLF (Monte Carlo Localisation – Deep Local Feature), επιτρέπει στα ρομπότ να βασίζονται πιο αποτελεσματικά στους αισθητήρες που φέρουν τα ίδια και όχι σε εξωτερικές υποδομές.
Αρχικά, το σύστημα εντοπίζει την ευρύτερη περιοχή αναγνωρίζοντας μεγάλες δομές, όπως κτίρια ή βλάστηση. Στη συνέχεια προσδιορίζει με μεγαλύτερη ακρίβεια τη θέση του ρομπότ, αναλύοντας μικρότερες λεπτομέρειες, μια διαδικασία σχεδιασμένη να μιμείται τον τρόπο με τον οποίο οι άνθρωποι προσανατολίζονται σε άγνωστα μέρη.
«Κάπως έτσι και οι άνθρωποι αναγνωρίζουν πρώτα τη γενική περιοχή και στη συνέχεια βασίζονται σε μικρές, χαρακτηριστικές λεπτομέρειες για να εντοπίσουν με ακρίβεια τη θέση τους», εξηγεί η Μίριαμ Μάξιμο, επικεφαλής συγγραφέας της μελέτης και ερευνήτρια στο Πανεπιστήμιο Μιγκέλ Ερνάντεθ στο Έλτσε.
Χρησιμοποιώντας τεχνητή νοημοσύνη, το σύστημα μαθαίνει ποια χαρακτηριστικά του περιβάλλοντος είναι πιο χρήσιμα για τον εντοπισμό θέσης, διατηρεί ταυτόχρονα πολλαπλές πιθανές εκτιμήσεις της θέσης και τις ενημερώνει διαρκώς όσο καταφθάνουν νέα δεδομένα από τους αισθητήρες.
Οι ερευνητές επισημαίνουν ότι αυτό συμβάλλει στη βελτίωση της αξιοπιστίας όταν το περιβάλλον μοιάζει παρόμοιο ή έχει αλλάξει με την πάροδο του χρόνου.
Η τεχνολογία δοκιμάστηκε για αρκετούς μήνες στην πανεπιστημιούπολη, υπό διαφορετικές συνθήκες, μεταξύ άλλων σε διαφορετικές εποχές και συνθήκες φωτισμού.
Σύμφωνα με τους ερευνητές, το σύστημα εμφάνισε μεγαλύτερη ακρίβεια εντοπισμού και πιο σταθερή απόδοση σε μεταβαλλόμενες περιβαλλοντικές συνθήκες, από τις εποχικές μεταβολές έως τις αλλαγές στον φωτισμό και τη βλάστηση, σε σύγκριση με τις συμβατικές προσεγγίσεις.
Το νέο σύστημα θα μπορούσε να βοηθήσει τα ρομπότ να λειτουργούν με μεγαλύτερη αυτονομία σε πραγματικά περιβάλλοντα, όπου οι συνθήκες σπάνια παραμένουν σταθερές.