Усовершенствованный алгоритм планирования пути обнаруживает успешные пути в три раза чаще, чем стандартные алгоритмы, при этом требуется гораздо меньше времени на обработку.
Исследователи UM показали, что новый алгоритм ускоряет планирование пути для роботов, которые используют придатки, похожие на руки, для поддержания равновесия на опасной местности, такой как районы бедствий или строительные площадки. Улучшенный алгоритм планирования пути обнаруживает успешные пути в три раза чаще, чем стандартные алгоритмы, при этом требуется гораздо меньше времени на обработку.
«В обрушившемся здании или на очень пересеченной местности робот не всегда сможет балансировать и двигаться вперед одними ногами», – сказал Дмитрий Беренсон, доцент кафедры электротехники и вычислительной техники и профильных факультетов Института робототехники.
"Вам нужны новые алгоритмы, чтобы понять, куда девать обе ноги и руки. Вам нужно координировать все эти конечности вместе, чтобы поддерживать стабильность, и то, к чему это сводится, является очень сложной проблемой."
Исследование позволяет роботам определить, насколько сложна местность, прежде чем рассчитать успешный путь вперед, что может включать в себя закрепление на стене одной или двумя руками при выполнении следующего шага вперед.
«Во-первых, мы использовали машинное обучение, чтобы обучить робота различным способам расстановки рук и ног, чтобы поддерживать равновесие и прогрессировать», – сказал Ю-Чи Линь, недавний доктор робототехники.D. выпускник и инженер-программист в Nuro Inc. "Затем, будучи помещенным в новую сложную среду, робот может использовать полученные знания, чтобы определить, насколько проходимым является путь, что позволит ему найти путь к цели намного быстрее."
Однако даже при использовании этой оценки проходимости планирование длинного пути с использованием традиционных алгоритмов по-прежнему занимает много времени.
«Если бы мы попытались найти все места для рук и ног на длинном пути, это заняло бы очень много времени», – сказал Беренсон.
Таким образом, команда использовала подход «разделяй и властвуй», разделив путь на участки, которые трудно преодолеть, где они могут применить свой метод обучения, и участки с более легким прохождением, где используется более простой метод планирования пути. работает лучше.
«Это звучит просто, но действительно сложно понять, как правильно разделить эту проблему и какой метод планирования использовать для каждого сегмента», – сказал Лин.
Для этого им понадобится геометрическая модель всего окружения. На практике это может быть достигнуто с помощью летающего дрона, который ведет разведку впереди робота.
В виртуальном эксперименте с роботом-гуманоидом в коридоре из обломков метод команды превзошел предыдущие методы как по успеху, так и по общему времени на планирование, что важно, когда в сценариях бедствия требуются быстрые действия. В частности, в ходе более 50 испытаний их метод достиг цели в 84% случаев по сравнению с 26% для основного планировщика пути, и на его планирование ушло чуть более двух минут по сравнению с более чем тремя минутами для основного планировщика пути.
Команда также продемонстрировала способность своего метода работать на реальном мобильном манипуляторе – колесном роботе с торсом и двумя руками.
Когда основание робота располагалось на крутом пандусе, ему приходилось «руками» держаться за неровную поверхность во время движения. Робот использовал метод команды, чтобы спланировать путь чуть более чем за десятую долю секунды, по сравнению с более чем 3.5 секунд с основным планировщиком пути.
В будущей работе команда надеется включить динамически стабильное движение, подобное естественному движению людей и животных, которое освободило бы робота от необходимости постоянно находиться в равновесии и могло бы улучшить его скорость движения.
Статья с описанием работы опубликована в Autonomous Robots.
Финансирование исследований было предоставлено Управлением военно-морских исследований (N00014-17-1-2050).