Los ingenieros de la Universidad de Duke están desarrollando un sistema robótico inteligente para detectar puntos calientes de contaminación y fuentes de fugas tóxicas. Su enfoque permite que un robot incorpore cálculos realizados sobre la marcha para tener en cuenta los complejos flujos de aire de espacios confinados en lugar de simplemente "seguir su nariz".

"Muchos enfoques existentes que emplean robots para localizar fuentes de partículas en el aire se basan en conjeturas bioinspiradas, educadas pero simplistas, o técnicas heurísticas, que conducen a los robots contra el viento o para seguir concentraciones crecientes, "dijo Michael M. Zavlanos, Mary Milus Yoh y Harold L. Yoh, Profesor Asociado Jr. de Ingeniería Mecánica y Ciencia de Materiales en Duke. "Por lo general, estos métodos solo pueden localizar una única fuente en un espacio abierto, y no pueden estimar otros parámetros igualmente importantes, como las tasas de liberación ".

Pero en entornos complejos, Estos métodos simplistas pueden enviar a los robots en persecuciones inútiles a áreas donde las concentraciones aumentan artificialmente por la física de los flujos de aire. no porque sean la fuente de la fuga.

"Si alguien fuma afuera, No lleva mucho tiempo encontrarlos con solo seguir su nariz porque no hay nada que impida que las corrientes de aire sean predecibles, "dijo Wilkins Aquino, el Profesor Anderson-Rupp de Ingeniería Mecánica y Ciencia de Materiales en Duke. "Pero poner el mismo cigarrillo dentro de una oficina y de repente se vuelve mucho más difícil debido a las corrientes de aire irregulares creadas por los pasillos, rincones y oficinas ".

En un artículo reciente publicado en línea en Transacciones IEEE sobre robótica , Zavlanos, Aquino y Ph.D. El graduado Reza Khodayi-mehr, en cambio, aprovecha la física detrás de estos flujos de aire para rastrear la fuente de una emisión de manera más eficiente.

Su enfoque combina modelos basados ​​en la física del problema de identificación de la fuente con algoritmos de planificación de rutas para robótica en un circuito de retroalimentación. Los robots toman medidas de las concentraciones de contaminantes en el medio ambiente y luego usan estas medidas para calcular incrementalmente de dónde provienen realmente los químicos.

"La creación de estos modelos basados ​​en la física requiere la solución de ecuaciones diferenciales parciales, que es computacionalmente exigente y hace que su aplicación a bordo sea pequeña, robots móviles muy desafiantes, ", dijo Khodayi-mehr." Hemos tenido que crear modelos simplificados para hacer los cálculos más eficientes, lo que también los hace menos precisos. Es una compensación desafiante ".

Khodayi-mehr construyó una caja rectangular con una pared que casi divide el espacio a lo largo para crear un pasillo en forma de U en miniatura que imita un espacio de oficina simplificado. Un ventilador bombea aire hacia el pasillo en un extremo de la U y lo devuelve por el otro, mientras que el etanol gaseoso se filtra lentamente en una de las esquinas. A pesar de la simplicidad de la configuración, las corrientes de aire creadas dentro son turbulentas y desordenadas, creando un problema de identificación de fuente difícil de resolver para cualquier robot detector de etanol.

Pero el robot resuelve el problema de todos modos.

El robot realiza una medición de concentración, lo fusiona con medidas anteriores, y resuelve un desafiante problema de optimización para estimar dónde está la fuente. Luego, determina la ubicación más útil para tomar su siguiente medición y repite el proceso hasta que se encuentra la fuente.

"Combinando modelos basados ​​en la física con una planificación de ruta óptima, podemos averiguar dónde está la fuente con muy pocas mediciones, ", dijo Zavlanos." Esto se debe a que los modelos basados ​​en la física proporcionan correlaciones entre las mediciones que no se tienen en cuenta en enfoques puramente basados ​​en datos, y la planificación óptima de la trayectoria permite al robot seleccionar las pocas mediciones con mayor contenido de información ".

"Los modelos basados ​​en la física no son perfectos, pero aún contienen mucha más información que solo los sensores, "añadió Aquino." No tienen que ser exactos, pero permiten al robot hacer inferencias basadas en lo que es posible dentro de la física de los flujos de aire. Esto da como resultado un enfoque mucho más eficiente ".

Esta compleja serie de resolución de problemas no es necesariamente más rápida, pero es mucho más robusto. Puede manejar situaciones con múltiples fuentes, que actualmente es imposible para los enfoques heurísticos, e incluso puede medir la tasa de contaminación.

El grupo todavía está trabajando para crear algoritmos de aprendizaje automático para hacer que sus modelos sean aún más eficientes y precisos al mismo tiempo. También están trabajando para extender esta idea a la programación de una flota de robots para realizar una búsqueda metódica en un área grande. Si bien aún no han probado el enfoque grupal en la práctica, han publicado simulaciones que demuestran su potencial.

"Pasar de un entorno de laboratorio con configuraciones controladas a un escenario más práctico obviamente requiere abordar otros desafíos también, ", dijo Khodayi-mehr." Por ejemplo, en un escenario del mundo real, probablemente no sabremos la geometría del dominio que entra. Esas son algunas de las direcciones de investigación en curso en las que estamos trabajando actualmente ".

"Identificación de fuentes activas basadas en modelos en entornos complejos". Reza Khodayi-mehr, Wilkins Aquino, Michael M. Zavlanos. Transacciones IEEE en robots , 2019.