Исследователи робототехники разрабатывают алгоритмы, которые повышают эффективность мобильной навигации

Роботы-доставщики, созданные такими компаниями, как Starship Technologies и Kiwibot, автономно перемещаются по городским улицам и районам. По сути, эти роботы, как и большинство мобильных роботов, используемых сегодня, используют множество различных датчиков и программных алгоритмов для навигации в таких условиях. Лидарные датчики, которые посылают световые импульсы для расчёта расстояния до объектов, стали неотъемлемой частью, позволяющей этим роботам проводить одновременную локализацию и картографирование, также известное как SLAM.

Однако эти компоненты требуют больших ресурсов и большого объёма памяти для точного картографирования, что ограничивает возможности робота при работе на больших расстояниях, объясняет докторант Северо-Восточного университета Цзыхао Донг.

«Через какое-то время в вашем кэше может накопиться более 10 или 20 гигабайт памяти, — говорит он. — Это может привести к огромным вычислительным нагрузкам».

Такие робототехники, как Донг, должны помочь устранить эти узкие места, глубоко изучив алгоритмы, которые позволяют этим роботам работать так, как они работают.

В недавно опубликованном исследовании Донг под руководством Майкла Эверетта, профессора Северо-Восточного университета в области электротехники и вычислительной техники, разработал новый подход к трёхмерному картированию, который в некоторых случаях на 57% менее ресурсозатратен, чем ведущие методы. Работа опубликована на сервере препринтов arXiv.

Алгоритм Донга, Deep Feature Assisted Lidar Inertial Odometry and Mapping (DFLIOM), основан на другом алгоритме, Direct LiDAR inertial Odometry and Mapping (DLIOM), который использует инерциальные измерительные устройства и данные лидара для создания трёхмерных карт.

Точно так же DFLIOM использует те же технологии, но представляет новый метод сканирования окружающей среды, который не только требует меньше данных, но и в некоторых случаях может помочь снизить погрешность, говорит Эверетт.

Исследование помогает опровергнуть представление о том, что чем больше данных, тем лучше результаты, объясняет Эверетт.

«Люди, разрабатывающие датчики, активно продвигают их, говоря: «Теперь у нас есть датчик, который может дать вам в 10 раз больше информации, чем раньше», — говорит он. – Таким образом они продвигают датчики, чтобы сделать их более полезными. На самом деле, с точки зрения алгоритма, иногда мы беспокоимся, потому что теперь у вас больше данных для обработки, а просто наличие большего количества данных — это не всегда хорошо, потому что алгоритм не может справиться с этим».

В этой работе Донг и Эверетт пытаются решить эту проблему и ответить на вопрос: «Как мы можем написать алгоритмы, которые смогут извлекать только важные фрагменты?»

Исследователи протестировали алгоритм с помощью мобильного робота Agile X Scout Mini, разработанного в Северо-Восточном университете и оснащенного комплектом для автономного управления, в который входили лидар Ouster, аккумуляторная батарея и мини-ПК Intel NUC. Робот создал 3D-карты различных внешних частей кампуса Северо-Восточного университета, включая Столетнюю рощу, Иган-Кроссинг и Шиллман-Холл.

Источник: Tech Xplore