Группа американских исследователей из Университета Пардью разрабатывает новый алгоритм, который поможет будущим роботам заметно лучше ориентироваться в пространстве. Эксперты отмечают, что данный подход способен заметно облегчить задачу обучения роботов навигации в сложных зданиях, городских улицах и неизвестных ранее местностях.
Разработчики отмечают, что на сегодня проблема навигации для робототехники представляется наиболее актуальной и, вместе с тем, сложной. Наиболее популярный подход для решения проблемы навигации заключается в загрузке в запоминающее устройство робота локальной карты местности и в снабжении робота системой спутникового позиционирования.
Однако данный подход не является универсальным, так как имеет много очевидных минусов. В Университете Пардью говорят, что люди ориентируются в пространстве иначе - при помощи так называемых "умственных карт". Данный вариант для реализации в машинном виде очень сложен, однако он гораздо более эффективен.
Как привило, различные роботизированные механизмы, существующие на сегодня, используют лазерные сканеры, одометры и прочие измерительные устройства для навигации в пространстве. Однако, по словам Джорджа Ли, инженера из Пардью, на сегодня разрабатывается алгоритм, который позволит роботу предполагать особенности местности, основываясь на предыдущем опыте и на картах. При помощи нового алгоритма робот сможет предположить с большей или меньшей степенью вероятности ландшафт местности, основываясь на различных исходных данных.
"Логично предположить, что было бы неплохо научить роботов получать опыт на основе данных первичной навигации. На основе данного опыта роботы смогут лучше ориентироваться на неизвестной им местности" - говори Ли.
Алгоритм, разработанный инженерами строится на базе так называемых "пограничных областей", под которыми понимаются области, следующие сразу за территорией, известной роботу. В частности, если робот ориентируется в комнате и натыкается на стену, то он, основываясь на предположении, что стена может иметь завершение, которое перетекает, например, в дверь в другую комнату, попытается обойти ее.
Каждое такое предположение робота получает степень значимости и в том случае, если оно в итоге оказалось верным, его вес повышается. В итоге робот получит базу данных наиболее точных предположений, основываясь на которых можно будет относительно точно ориентироваться в сложных условиях.
В будущем на базе данного алгоритма Джордж Ли с коллегами намерен создать более продвинутую модель, которая позволит строить роботам собственные карты.
По словам Эндрю Девиса, британского коллеги Джорджа Ли, данный алгоритм будет очень хорошо работать в замкнутых и не очень больших помещениях. Для навигации же на открытых местностях роботам потребуют либо огромные базы данных вариантов, либо некоторые уже готовые варианты действий.
Источник: CyberSecurity
|
