Uma estrutura para navegação de robôs conscientes de riscos em ambientes desconhecidos

Os robôs móveis tornaram-se cada vez mais sofisticados e estão agora a ser implantados num número crescente de ambientes do mundo real, incluindo aeroportos, centros comerciais, museus, instalações de saúde e outros ambientes. Até agora, no entanto, a maioria destes robôs foram introduzidos em ambientes interiores claramente definidos, em vez de completarem missões que exigiriam que viajassem pela cidade ou explorassem espaços desconhecidos e não mapeados.

Permitir que os robôs naveguem com eficácia em ambientes tridimensionais (3D) desconhecidos poderia ampliar suas aplicações práticas. Por exemplo, poderia facilitar a sua utilização para entrega de encomendas, monitorização de novos ambientes ou cenários naturais e circulação em estradas em ambientes urbanos lotados.

Uma equipe de pesquisa da Université Clermont Auvergne, CNRS e do Instituto de Estudos Aeroespaciais da Universidade de Toronto (UTIAS) decidiu recentemente desenvolver uma estrutura que pudesse melhorar significativamente a capacidade dos robôs de navegar com segurança em ambientes 3D desconhecidos. Sua estrutura, apresentada em um artigo publicado no servidor de pré-impressão arXivbaseia-se em um de seus artigos anteriores, onde introduziram o Lambda-field, uma nova abordagem para avaliar o risco de colisões e identificar caminhos de navegação seguros.

Em seu trabalho anterior, a equipe aplicou sua estrutura apenas em ambientes simulados bidimensionais. Por outro lado, como parte do seu novo estudo, pretenderam adaptá-lo e permitir a sua utilização em ambientes 3D desconhecidos contendo obstáculos.

“Convencionalmente, o risco de navegação tem-se concentrado em mitigar colisões com obstáculos, negligenciando os vários graus de danos que as colisões podem causar”, escreveram Elie Randriamiarintsoa, ​​Johann Laconte e os seus colegas no seu artigo.

“Neste contexto, propomos uma nova estrutura de navegação consciente do risco, cujo objetivo é lidar diretamente com as interações com o ambiente, incluindo aquelas que envolvem colisões menores. Introduzimos uma função de risco fisicamente interpretável que quantifica a energia potencial máxima que as rodas do robô absorvem como resultado de uma colisão”,

A estrutura desenvolvida pela equipe permite que os robôs avaliem o risco associado à realização de rotas específicas, ao mesmo tempo que levam em consideração os obstáculos próximos. Além disso, eles introduziram um novo algoritmo de planejamento de caminho consciente do risco baseado em uma abordagem matemática.

“Ao considerar este risco físico na navegação, a nossa abordagem amplia significativamente o espectro de situações que o robô pode enfrentar, como lombadas ou pequenas calçadas na estrada”, escreveram os pesquisadores em seu artigo. “Usando esta estrutura, somos capazes de planejar trajetórias seguras que não apenas garantem a segurança, mas também abordam ativamente os riscos decorrentes das interações com o meio ambiente”.

Até agora, os investigadores avaliaram a sua estrutura para uma navegação consciente do risco numa série de simulações, utilizando imagens e dados de imagens recolhidos em ambientes urbanos do mundo real. Descobriram que, embora a sua abordagem pudesse imitar técnicas padrão de planeamento de caminhos, por vezes também era capaz de identificar caminhos que ultrapassavam obstáculos, se o risco fosse tolerável.

Em seus próximos estudos, Randriamiarintsoa, ​​Laconte e seus colegas planejam melhorar o componente de planejamento de caminho e as métricas de risco de sua estrutura, ao mesmo tempo que a testam em experimentos maiores em ambientes urbanos e rurais. Este trabalho recente poderá em breve inspirar outras equipes a desenvolver e avaliar técnicas semelhantes, o que poderia coletivamente facilitar o uso mais amplo de robôs móveis em ambientes do mundo real.

“Pretendemos ampliar nossa estrutura para permitir que o robô execute missões de longo prazo”, concluem os pesquisadores em seu artigo. “Além disso, realizaremos extensos experimentos na estrutura, incorporando avaliações quantitativas. Por fim, investigaremos a possibilidade de adicionar vários riscos para restringir ainda mais o algoritmo de planejamento de caminho, como o risco de cruzar uma marcação contínua de faixa.”

© 2023 Science X Network