Um sistema SLAM de fusão que aprimora as capacidades de detecção e localização de robôs de escalada bípedes

Os robôs escaladores podem ter muitas aplicações valiosas no mundo real, desde a realização de tarefas de manutenção em telhados ou outras estruturas altas até a entrega de encomendas ou kits de sobrevivência em locais de difícil acesso. Para serem implementados com sucesso em ambientes do mundo real, no entanto, estes robôs devem ser capazes de detectar e mapear eficazmente os seus arredores, ao mesmo tempo que prevêem com precisão onde estão localizados nos ambientes mapeados.

Pesquisadores da Universidade de Tecnologia de Guangdong desenvolveram recentemente um novo método para melhorar a capacidade de um robô de escalada bípede estimar seu estado e mapear seu entorno enquanto escala uma treliça (ou seja, um sistema triangular composto por elementos retos interconectados, que poderia ser uma ponte, telhado ou outra estrutura construída pelo homem). O método proposto, introduzido em Robótica e Sistemas Autônomosé baseado em um algoritmo de localização e mapeamento simultâneos (SLAM).

“Nosso trabalho recente implanta métodos SLAM em um robô de escalada bípede específico (BiCR), que foi desenvolvido por nosso laboratório, denominado Laboratório de Biomimética e Robótica Inteligente”, disse Weinan Chen, co-autor do artigo, ao Tech Xplore.

“BiCR é um sistema eletromecânico semelhante a um manipulador móvel que é capaz de se mover por meio de garras em ambas as extremidades e girar com múltiplas juntas. O robô pode ser usado para instalação, manutenção e inspeção em ambientes de alta altitude e de alto risco, como como andaimes de canteiros de obras e torres de energia.”

O objetivo principal do estudo recente de Chen e seus colegas foi permitir que um robô bípede se localizasse de forma autônoma e criasse um mapa do entorno enquanto navegava em ambientes caracterizados por estruturas de treliça. A abordagem baseada em SLAM que eles propõem foi aplicada especificamente ao BiCR, um robô de escalada bípede desenvolvido anteriormente em seu laboratório.

“Como existem muitas diferenças nas configurações e ambientes de trabalho do BiCR e de outros robôs (veículos terrestres, UAVs, etc.), este artigo propõe um método que combina informações conjuntas do robô e informações ambientais para melhorar a precisão de localização do BiCR, ” Chen disse.

O BiCR-SLAM, sistema simultâneo de localização e mapeamento desenvolvido pelos pesquisadores, utiliza informações sobre a configuração do robô BiCR, um sistema de detecção LiDAR e dados visuais coletados por câmeras para localizar um robô e mapear a treliça que ele está subindo. A estrutura pode determinar a pose da garra robótica e criar um mapa de postes ao redor da garra, para que ela possa planejar melhor suas ações enquanto sobe em uma treliça.

“A estrutura consiste em quatro componentes: um cálculo morto do codificador, uma ferramenta de estimativa de odometria LiDAR, um modelo de mapeamento de marcos polares e uma técnica de otimização global”, disse Jianhong Xu, outro autor do artigo. “Na otimização global, propomos um gráfico de fator de fusão de múltiplas fontes para otimizar conjuntamente a localização do robô e os marcos dos pólos.”

Uma vantagem notável do BiCR-SLAM é que ele considera simultaneamente informações relacionadas às articulações do robô bípede e dados coletados por sensores. Assim, permite ao robô BiCR mapear o seu entorno e prever a sua pose, usando esta informação para planear os seus próximos movimentos e subir com segurança numa treliça.

“O sistema também pode continuar funcionando em alguns ambientes de treliça de baixa textura e estrutura única”, disse Chen. “Até onde sabemos, o BiCR-SLAM é a primeira solução de sistema SLAM a incorporar as informações do BiCR para um mapa de treliça. Este trabalho pode avançar no desenvolvimento do BiCR e SLAM e melhorar a localização do BiCR e o desempenho de navegação em operações autônomas.”

Embora Chen e seus colaboradores tenham projetado especificamente seu método SLAM para o robô BiCR, no futuro ele também poderá ser adaptado e aplicado a outros robôs escaladores. Até agora, a equipe usou um único sistema LiDAR para detectar pólos dentro de um pequeno alcance de detecção ao redor de um robô, mas em breve espera avançar ainda mais suas capacidades usando mais desses sistemas junto com técnicas de aprendizagem profunda.

“Em nossos próximos estudos, planejamos usar vários LiDARs para detectar objetos polares usando abordagens de aprendizagem profunda que são livres da calibração dos parâmetros externos entre vários sensores”, acrescentou Chen.

“Também planejamos usar a configuração de detecção com um alcance de varredura mais extenso para melhorar a precisão da segmentação e aplicar este trabalho à navegação autônoma de robôs escaladores. Especificamente, integraremos a parte de planejamento de movimento para realizar uma função de navegação autônoma.”

© 2024 Science X Network