Uma estrutura para melhorar a navegação de robôs ar-solo em ambientes complexos propensos à oclusão

Até agora, os sistemas robóticos foram implantados principalmente em armazéns, aeroportos, shoppings, escritórios e outros ambientes internos, onde auxiliam humanos em tarefas manuais básicas ou respondem a perguntas simples. No futuro, porém, também poderão ser implantados em ambientes desconhecidos e não mapeados, onde obstáculos podem facilmente obstruir os seus sensores, aumentando o risco de colisões.

Os robôs ar-terra podem ser particularmente eficazes para navegar em ambientes externos e realizar tarefas complexas. Movendo-se tanto no solo quanto no ar, esses robôs poderiam ajudar os humanos a procurar sobreviventes após desastres naturais, entregar pacotes em locais remotos, monitorar ambientes naturais e completar outras missões em ambientes externos complexos.

Pesquisadores da Universidade de Hong Kong desenvolveram recentemente o AGRNav, uma nova estrutura projetada para melhorar a navegação autônoma de robôs ar-terra em ambientes propensos à oclusão. Este quadro, apresentado num artigo publicado no arXiv servidor de pré-impressão, obteve resultados promissores tanto em simulações quanto em experimentos do mundo real.

“A mobilidade excepcional e a longa durabilidade dos robôs ar-terra estão aumentando o interesse em seu uso para navegar em ambientes complexos (por exemplo, florestas e grandes edifícios)”, escreveram Junming Wang, Zekai Sun e seus colegas em seu artigo. “No entanto, tais ambientes muitas vezes contêm regiões ocultas e desconhecidas, e sem uma previsão precisa de obstáculos não observados, o movimento do robô ar-solo muitas vezes sofre uma trajetória abaixo do ideal sob os métodos de navegação existentes baseados em mapeamento e aprendizagem.”

O objetivo principal do estudo recente desta equipe foi desenvolver uma abordagem computacional para melhorar a navegação de robôs ar-terra em ambientes onde partes do seu entorno são facilmente obstruídas por objetos, veículos, animais e outros obstáculos. AGRNav, a estrutura que eles desenvolveram, tem dois componentes principais: uma rede leve de conclusão de cena semântica (SCONet) e um planejador de caminho hierárquico.

O componente SCONet prevê a distribuição de obstáculos em um ambiente e suas características semânticas, utilizando uma abordagem de aprendizagem profunda que realiza apenas alguns cálculos. O planejador de caminho hierárquico, por outro lado, usa as previsões feitas pelo SCONet para planejar caminhos aéreos e terrestres ideais e com eficiência energética para um robô chegar a um determinado local.

“Apresentamos o AGRNav, uma nova estrutura projetada para procurar caminhos híbridos ar-solo seguros e com economia de energia”, escreveram os pesquisadores. “AGRNav contém uma rede semântica leve de conclusão de cena (SCONet) com autoatenção para permitir previsões precisas de obstáculos, capturando informações contextuais e recursos de área de oclusão. A estrutura posteriormente emprega um método baseado em consulta para atualizações de baixa latência de resultados de previsão para a grade mapa. Finalmente, com base no mapa atualizado, o planejador hierárquico de caminhos procura com eficiência caminhos que economizam energia para navegação.”

Os pesquisadores avaliaram sua estrutura tanto em simulações quanto em ambientes do mundo real, aplicando-a a um robô ar-solo customizado que desenvolveram. Eles descobriram que ele superou todas as estruturas básicas e de última geração de navegação de robôs com as quais foi comparado, identificando caminhos ideais e com eficiência energética para o robô.

O código subjacente do AGRNav é de código aberto e pode ser acessado por desenvolvedores de todo o mundo no GitHub. No futuro, poderá ser implantado e testado em outras plataformas robóticas ar-terra, contribuindo potencialmente para a sua implantação eficaz em ambientes reais.

© 2024 Science X Network