Структура для улучшения навигации роботов в сложных условиях, подверженных окклюзии.

(A) Предыдущие навигационные системы имели проблемы с прогнозированием окклюзий, что приводит к более высоким вероятностям столкновения и неоптимальным путям, которые потребляли больше энергии.(б) Заранее предсказав окклюзии, Агрнав может минимизировать и избежать столкновений, что приводит к эффективным и энергосберегающим путям.Кредит: Wang et al.

До сих пор роботизированные системы были в основном развернуты на складах, аэропортах, торговых центрах, офисах и в других внутренних средах, где они помогают людям с основными ручными задачами или отвечают на простые запросы.В будущем, однако, они также могут быть развернуты в неизвестных и не запрещенных средах, где препятствия могут легко закупить свои датчики, увеличивая риск столкновений.

Роботы с воздушной площадкой могут быть особенно эффективными для навигации на открытом воздухе и решения сложных задач.Двигаясь как на земле, так и в воздухе, эти роботы могут помочь людям искать выживших после стихийных бедствий, доставлять пакеты в удаленные места, контролировать природные среды и выполнять другие миссии в сложных наружных условиях.

Исследователи из Университета Гонконга недавно разработали Agrnav, новую структуру, предназначенную для улучшения автономной навигации роботов с воздушным назем в средах, подверженных окклюзии.Эта структура, представленная в статье, опубликованной на сервере Arxiv Preprint, была обнаружена, которая достигает многообещающих результатов как в моделировании, так и в реальных экспериментах.

«Исключительная подвижность и длительная выносливость роботов с воздушной площадкой вызывают интерес к их использованию для навигации по сложной среде (например, лесам и крупным зданиям)»,-написали в своей статье Джунминг Ван, Зекаи Сан и их коллеги.«Однако в таких условиях часто содержатся окклюзированные и неизвестные области, и без точного прогнозирования ненаблюдаемых препятствий движение робота воздушного земли часто испытывает неоптимальную траекторию при существующих методах навигации на основе картирования и обучения».

Основной целью недавнего исследования этой команды было разработать вычислительный подход для улучшения навигации роботов воздушного земли в условиях, где части их окружения легко закупориваются объектами, транспортными средствами, животными и другими препятствиями.Agrnav, разработанная ими структура, имеет два основных компонента: легкая сеть семантической сцены (SCONET) и планировщик иерархического пути.

Компонент Sconet предсказывает распределение препятствий в среде и их семантических особенностях, используя глубокий подход к обучению, который выполняет только несколько расчетов.С другой стороны, иерархический планировщик пути использует прогнозы, сделанные Sconet для планирования оптимального, энергоэффективного воздушного и наземного пути для робота, достигая данного места.

«Мы представляем Agrnav, новую структуру, предназначенную для поиска безопасных и энергосберегающих гибридных дорожек воздуха»,-написали исследователи.«Агрнав содержит легкую сеть семантической завершения сцены (SCONET) с самопринятым, чтобы обеспечить точные прогнозы препятствий путем захвата контекстной информации и функций зоны окклюзии. В рамках впоследствии используется метод на основе запросов для обновлений с низкой задержкой результатов прогнозирования в сеткуКарта. Наконец, на основе обновленной карты, иерархический планировщик пути эффективно ищет энергосберегающие пути для навигации ».

Исследователи оценили свою структуру как в симуляциях, так и в реальных условиях, применяя ее к индивидуальному роботу с воздушной площадкой, который они разработали.Они обнаружили, что он превзошел все базовые и современные рамки навигации роботов, с которыми он сравнивал, определяя оптимальные и энергоэффективные пути для робота.

Основной код Agrnav является открытым исходным кодом и может получить доступ к разработчикам по всему миру на GitHub.В будущем он может быть развернут и протестирован на других роботизированных платформах с воздушной площадкой, что потенциально способствует их эффективному развертыванию в реальных условиях.

Больше информации: Junming Wang et al., Agrnav: Эффективная и энергосберегающая автономная навигация для роботов с воздушным названием в склонных к окклюзии средам, Arxiv (2024).Doi: 10.48550/arxiv.2403.11607