Исследователи Сколковского института науки и технологий разработали метод, позволяющий колесным роботам быстро, эффективно и естественно обходить препятствия при движении в людных местах.

Проблемы роботизированной навигации заключаются в том, что планировщикам движения требуется много времени, чтобы установить траекторию, иногда они вообще этого не делают либо предлагают неоптимальные траектории – слишком длинные или неровные. Кроме того, некоторые из существующих планировщиков хороши только для роботов с круглым телом или роботов, которые могут перемещаться в любом направлении.

Как отметил первый автор исследования, аспирант Сколтеха, к.т.н. Михаил Куренков, разработанный планировщик подходит для роботов, которые не являются круглыми и всенаправленными, и базируется на концепции нейронного поля.

Нейронные поля хранят значения для точек пространства, такие как «каково расстояние до ближайшего препятствия» или «насколько эта точка занята или пуста». Одним из последних достижений в области нейронных полей является применение машинного обучения и нейронных сетей для параметризации поля.

Исследователи из Сколтеха сравнили свой планировщик с традиционными решениями, использующими гауссовский процесс и быстро развивающийся алгоритм случайного леса (методы машинного обучения). Оказалось, что метод на основе нейронного поля позволяет строить более короткие и плавные траектории и требует от робота меньше неловких поворотов на месте. Тест опирался на общедоступный набор данных с несколькими сценариями, включая коридоры, парковки и городскую среду.

Источник: TechХplore

Изображение: Unsplash