Los investigadores de Skoltech han desarrollado un método para permitir que los robots con ruedas eviten obstáculos de una manera rápida, eficiente y natural cuando se mueven en un entorno lleno de gente. Informado en IEEE Robotics and Automation Letters , el nuevo planificador de movimiento aprovecha el aprendizaje automático y podría ser útil para la desinfección robótica, el recuento de inventario y el estacionamiento de automóviles.

La navegación robótica en dos dimensiones, ir de A a B sin toparse con obstáculos, es una tarea clásica que se ha resuelto de varias formas desde finales de la década de 1980. Algunos de los problemas con las soluciones existentes son que los planificadores tardan mucho tiempo en establecer un camino, a veces no logran hacerlo por completo u ofrecen trayectorias subóptimas que son demasiado largas o no suaves, lo que la gente llama intuitivamente moverse "como un robot." Además, algunos de los planificadores existentes solo son buenos para los robots que tienen un cuerpo redondo o que son omnidireccionales:pueden conducir en una dirección arbitraria desde un punto muerto.

El primer autor del estudio, Skoltech Ph.D. El estudiante Mikhail Kurenkov, comentó:"Hemos desarrollado un planificador que funciona con robots que no son redondos ni omnidireccionales y supera los enfoques de planificación de movimiento convencionales que utilizan el proceso gaussiano y el algoritmo de árbol aleatorio de exploración rápida. Nuestro método utiliza lo que se conoce como el concepto de campo neuronal. No se ha aplicado mucho a la planificación de movimiento, al menos no en 2D, que es lo que estamos haciendo".

Los campos neuronales no son diferentes a los campos de la física, pero en este caso los valores que almacenan para cada punto en el espacio son cosas como "cuál es la distancia al obstáculo más cercano" o "hasta qué punto ese punto está vacío u ocupado por obstáculos". " El primero encuentra aplicaciones en el diseño gráfico y la animación, y el segundo es en realidad el valor utilizado por el nuevo planificador de movimiento de robots creado en Skoltech. Uno de los desarrollos recientes en los campos neuronales es incorporar el aprendizaje automático y el uso de redes neuronales para parametrizar el campo. Así funciona el nuevo planificador.

Para probar qué tan bien funciona, los investigadores compararon su planificador con soluciones más convencionales:un planificador de movimiento de proceso gaussiano y un algoritmo de árbol aleatorio de exploración rápida. El método basado en el campo neuronal demostró construir trayectorias más cortas y suaves en última instancia y requiere menos giros incómodos en el lugar.

La prueba se basó en un conjunto de datos disponible abiertamente con múltiples escenarios, incluidos corredores, estacionamientos y cuadrículas de ciudades. Esto da una idea del tipo de robots que podrían beneficiarse del planificador:por un lado, podría ayudar a los desinfectantes, contadores de inventario y otros robots de servicio en los centros comerciales. El escenario del entorno urbano también sugiere aplicaciones en sistemas de estacionamiento robótico. + Explora más

El aprendizaje profundo ayuda a los robots a agarrar y mover objetos con facilidad