حرکت راحت رباتها در زمین‌های ناهموار ممکن شد
محققان آکادمی علوم روسیه و دانشکده عالی اقتصاد دانشگاه تحقیقات ملی در مسکو اخیراً یک سیستم ناوبری جدید ایجاد کرده‌اند که می‌تواند توانایی رباتها متحرک را برای حرکت بر روی سطوح و زمین‌های ناهموار بهبود بخشد و در عین حال از انواع مختلف موانع نیز دوری کند. سیستم ناوبری ربات پیشنهاد شده بر اساس MPPI، الگوریتمی برای بهینه‌سازی و تصحیح مسیرهای غیرخطی است.
با پیشرفته تر شدن رباتهای سیار، استقرار آنها در طیف وسیعی از تنظیمات دنیای واقعی نیز آسان‌تر می‌شود. یکی از عواملی که اجرای آنها را در مقیاس بزرگ ممکن می‌سازد، توانایی آنها در حرکت مستقل در محیط‌های مختلف است. تاکنون، بسیاری از رباتهای متحرک به نتایج امیدوارکننده‌ای در جهت‌یابی در محیط‌های ساده، به‌ویژه آن‌هایی که سطح هموار دارند، دست یافته‌اند. با این حال، در دنیای واقعی، بسیاری از محیط‌ها، از جمله کارخانه‌های صنعتی، برخی جاده‌ها و محیط‌های طبیعی، دارای زمین‌های ناهموار، با سوراخ یا برآمدگی در زمین، به هم ریختگی‌ها و سایر موانع هستند.
“فناوری هوشمند” رسانه تخصصی انقلاب صنعتی چهارم
محققان آکادمی علوم روسیه و دانشکده عالی اقتصاد دانشگاه تحقیقات ملی در مسکو اخیراً یک سیستم ناوبری جدید ایجاد کرده‌اند که می‌تواند توانایی روبات‌های متحرک را برای حرکت بر روی سطوح ناهموار بهبود بخشد و در عین حال از انواع مختلف موانع نیز دوری کند. این سیستم که در مقاله ای از پیش منتشر شده در arXiv ارائه شده است، می تواند به تسهیل استقرار رباتها در محیط های پیچیده تر و به هم ریخته تر با زمین های ناهموار کمک کند. در این مقاله آمده که: «ناوبری ایمن در زمین‌های ناهموار یک مشکل مهم در تحقیقات روباتیک است. “ما یک سیستم ناوبری ۲.۵ بعدی را پیشنهاد می کنیم که شامل ساختن نقشه ارتفاع، برنامه ریزی مسیر و دنبال کردن مسیر محلی با اجتناب از موانع است. برای دنبال کردن مسیر محلی، ما از روش کنترل انتگرال مسیر پیش بینی مدل (MPPI) استفاده می کنیم.”
که توسط محققان موسسه فناوری جورجیا در سال ۲۰۱۶ معرفی شد. تیم برای هدف مطالعه خود، این الگوریتم را مطابقت داد. به طوری که برای بهینه سازی مسیرها در محیط هایی با زمین های ناهموار با استفاده از نقشه های ارتفاعی ۲.۵ بعدی مناسب این تیم در مقاله خود توضیح دادند: “ما از یک نقشه ارتفاع محلی به عنوان ورودی برای الگوریتم MPPI استفاده می کنیم.” “MPPI توسط مقادیر عبورپذیری زمین محاسبه شده توسط این نقشه ارتفاعی هدایت می شود. این مقادیر قابلیت عبور از شیب، ناهمواری سطح و سایر پارامترها محاسبه می شوند.” این تیم سیستم ناوبری خود را در یک سری آزمایش بر روی محیط های شبیه سازی شده، با استفاده از سه نقشه مختلف ارتفاع، ارزیابی کردند. در این آزمایش‌ها، رباتها باید به مکان خاصی برسند و در عین حال بر سه مانع متمایز بر سر راه خود غلبه کنند، یعنی یک مخروط کوتاه، یک سطح شیبدار و چند گودال.
محیط های شبیه سازی شده مورد استفاده در این آزمایش ها با استفاده از شبیه ساز Gazebo ایجاد شده اند و با موانع مختلف و انواع زمین های ناهموار مشخص می شوند. محققان کارایی سیستم خود را در این محیط ها با استفاده از مدلی از یک ربات دیفرانسیل چهار چرخ آزمایش کردند. آنها دریافتند که سیستم آنها در شبیه‌سازی‌هایشان بسیار خوب عمل می‌کند، به طوری که ربات تقریباً ۱۰۰ درصد مواقع با موفقیت موانع را دور می‌زند و در زمین‌های ناهموار حرکت می‌کند. با این حال، برای تأیید پتانسیل آن، تیم در نهایت باید آن را در یک محیط واقعی با استفاده از یک ربات فیزیکی آزمایش کند.
اگر سیستم در یک محیط واقعی نیز عملکرد خوبی داشته باشد، در نهایت می توان آن را تطبیق داد و در تحقیقات بیشتر مورد استفاده قرار داد. در نهایت، می‌تواند حضور رباتهای متحرکی را که در مسیریابی در محیط‌هایی با زمین‌های ناهموار بهتر هستند، توسعه بخشد. محققان در مقاله خود به این نتیجه رسیدند: “در آینده، ما قصد داریم با موازی کردن محاسبات با استفاده از جعبه ابزار CUDA/OpenCL، اجرای کارآمدتری از الگوریتم MPPI ایجاد کنیم.یکی دیگر از زمینه های کار آینده افزایش استحکام MPPI و تطبیق آن با کلاس بزرگتری از سیستم های پویا خواهد بود.
منبع: ثریا
” اقتصادالکترونیکی“ آخرین و به روزترین محتوی در اقتصاددیجیتال
