Vahşi Doğada Gezici Robotlar



İnsanların vahşi doğada mobil robotlarla nasıl etkileşime gireceğini daha iyi anlamak için onları laboratuvardan çıkarmamız ve gerçek dünyaya yerleştirmemiz gerekiyor. Ama bunu yapmak kolay değil.

Robotikçiler, herhangi bir zamanda robotlarının tam olarak nerede olduğunu bilecekleri varsayımı altında robot geliştirmeye eğilimlidirler – açıkçası, robotun işi belirli konumlar arasında yararlı bir şekilde hareket etmekse, bu önemli bir yetenektir. Ancak bu yerelleştirme yeteneği, genellikle robotun güçlü sensörlere ve çevresinin bir haritasına sahip olmasını gerektirir. Bu gereksinimlerin bazılarından sıyrılmanın yolları vardır: Eğer bir haritanız yoksa, aynı anda hem harita oluşturan hem de yerelleştirme yapan yöntemler vardır ve eğer iyi bir menzil sensörünüz yoksa görsel navigasyon yöntemleri vardır. çoğu robotun zaten sahip olacağı normal bir RGB kamera kullanın. Ne yazık ki, geleneksel yerelleştirme tabanlı navigasyona bu alternatifler ya hesaplama açısından pahalıdır, çok sağlam değildir ya da her ikisi birdendir.

Devreye almak istediğimizde bu sorunla karşılaştık. Kuri bir kullanıcı çalışması için binamızın salonlarında mobil sosyal robot. Kuri’nin lidar sensörü, bir harita üzerinde yerini tespit etmek için yeterince uzağı göremiyor ve yerleşik bilgisayarı görsel navigasyon için çok zayıf. Biraz düşündükten sonra, konuşlandırmamızın amaçları için aslında bunu yapmadığımızı fark ettik. ihtiyaç Kuri, çoğu zaman tam olarak nerede olduğunu bilmek. Pili azaldığında Kuri’nin şarj cihazına geri dönmesine ihtiyacımız vardı, ancak bu, gerektiğinde bir kişinin bu konuda yardımcı olabileceği kadar nadir olurdu. Belki de istediğimizi başarabileceğimize karar verdik. sadece Kuri’nin kesin yerelleştirmeyi terk etmesine ve dolaşmasına izin vermek.


Robotik Gezici

Eski model bir robot elektrikli süpürgenin işini yaptığını gördüyseniz, gezinmenin neye benzediğini zaten biliyorsunuzdur: Robot, artık yapamayacak hale gelene kadar, belki bir duvar algıladığı veya çarptığı için bir yönde hareket eder. bir engele dönüşür ve sonra farklı bir yöne döner ve devam eder. Robot bunu yeterince uzun süre yaparsa, istatistiksel olarak tüm zemini muhtemelen birden çok kez kaplaması çok olasıdır. Daha yeni ve daha gösterişli robot süpürgeler bir harita oluşturabilir ve daha sistematik ve verimli bir şekilde temizleyebilir, ancak bunlar daha pahalı olma eğilimindedir.

Gezinme davranışını üç bölümden oluşan bir davranış olarak düşünebilirsiniz:

  1. Düz bir çizgide hareket etmek
  2. Yeni bir yön seçimini tetikleyen olay(lar)ı algılama
  3. Yeni bir yön seçmek için kullanılan bir yöntem

Pek çok olası gezinme davranışı pek işe yaramıyor. Örneğin, robotun rastgele yeni bir yön seçmeden önce birkaç metre hareket etmesinin, uzun koridorlarda ileri geri hareket ederken takılıp kalmasına neden olduğunu bulduk. Koridorların eğrisi, yeni bir yön seçmeden önce robotun çarpışmasını beklemenin hızla robotun duvarlar arasında zıplamasına dönüşmesi anlamına geliyordu. Yön seçimini saptırmak için odometri bilgilerini kullanarak varyasyonları araştırdık, ancak bunlar yardımcı olmadı çünkü robotun kendi yönüne ilişkin tahmini (ki başlangıçta zayıftı) robot her döndüğünde bozulacaktı.

Sonunda, mümkün olduğunca uzun süre aynı yönde hareket etme tercihinin – bilinçli yön seçimi dediğimiz bir stratejinin – Kuri’nin binamızın uzun, geniş koridorlarında dolaşmasını sağlamada en etkili olduğunu gördük.

Bilgilendirilmiş yön seçimi, robotun hareket etmesi için en kolay yönü seçmek için yerel bir maliyet haritası (robotun etrafındaki alanın sürekli güncellenen küçük bir haritası) kullanır ve daha önce seçilen yöne daha yakın olan yönleri tercih ederek bağları koparır. Ortaya çıkan davranış bir dalga gibi görünebilir; robot bir yöne karar verir, ancak sonunda maliyet haritasında bir engel belirir ve yerel kontrolör robotu “çevresinden geçmek” için hafifçe döndürmeye başlar. Yanından geçen bir insan gibi küçük bir engel olsaydı, robot çevresini döner ve kabaca orijinal yönde devam ederdi, ancak duvarlar gibi büyük engeller olması durumunda, yerel kontrolör sonunda orijinalden çok uzağa sürüklendiğini algılayacaktır. lineer plan ve vazgeç. Bilgilendirilmiş yön seçimi, boş alandan geçen en benzer istikameti bulmak için maliyet haritası boyunca çizgileri izleyecek ve izleyecektir. Tipik olarak, bu, duvar boyunca ve biraz uzaklaşan çizgi olacaktır.

Koridorda hareket eden bir robotun duvarlardan döngüsel olarak yaklaşıp uzaklaştığı yolunu gösteren basit bir grafik

Gezinme davranışımız, başka bir bağlamı dikkate almadan her zaman 90 derece dönmeyi seçmek gibi bir şeyden daha karmaşıktır, ancak yerelleştirmeyi içeren herhangi bir yaklaşımdan çok daha basittir, çünkü robotun yalnızca yakın çevresindeki engelleri algılayabilmesi ve takip edebilmesi gerekir. Temel ROS paketlerinde, temel mesafe sensörleri ve gürültülü atalet ölçüm birimleri ve tekerlek kodlayıcılar için bile ağır kaldırmayı yapan uygulamalar olduğundan, bu yeteneklerin her ikisine de oldukça erişilebilir.

Daha akıllı otonom navigasyon yaklaşımları gibi, gezinme bazen yanlış gider. Kuri’nin lidar’ı karanlık yüzeyleri görmekte zorlanıyor, bu yüzden ara sıra kendilerini onlara karşı sıkıştırıyordu. Robotun belirli bir süre boyunca hareket etmediğini (veya yeterince hareket etmediğini) tespit ederek, ardından yerinde dönmeye veya geriye doğru hareket etmeye çalışarak, diğer sistemlerde yaygın olan aynı tür kurtarma davranışlarını kullanırız. Robotu binamıza özgü tehlikelerden kurtarmak için kurtarma davranışlarımızı ayarlamanın önemli olduğunu gördük. İlk test turlarımızda, robot, bir geçit boyunca uzanan bir uçurumdan sarkan bir basamakla güvenilir bir şekilde kapana kısılırdı. Tipik olarak robotu teleoperasyon yoluyla çıkarabildik, bu yüzden son çare kurtarma olarak sırtı yeniden devreye sokmak için robotu ileri geri döndürecek bir dizi hız komutu kodladık. Bu tür alana özgü özelleştirme, yeni bir konum için gezinme davranışlarına ince ayar yapmak için muhtemelen gereklidir.

Diğer arıza türlerinin üstesinden gelmek daha zordur. Testler sırasında robotu ara sıra ince, metalik ayaklı masa ve sandalyelerin bulunduğu farklı bir katta çalıştırdık. Kuri’nin lidar’ı bunları güvenilir bir şekilde göremiyordu ve bazen koltuğun koltuğuyla kendisini “çizgi bağlayarak” çekişi kaybedecek kadar geriye eğiliyordu. Hiçbir komut kombinasyonu robotu bu durumdan kurtaramaz, bu nedenle robotun uçurum sensörlerine dayalı bir eğim algılama güvenlik davranışı eklemek, bu katta konuşlandırmak isteseydik çok önemli olurdu.

İnsan Yardımını Kullanma

Sonunda, Kuri’nin bir şarj cihazına ulaşması gerekiyor ve dolaşmak bunu gerçekleştirmenin etkili bir yolu değil. Neyse ki, bir insanın yardım etmesi kolaydır. Robotun pili azaldığında bir uzak yardımcıya ping atmak için kullandığı bazı sohbet robotu yazılımı geliştirdik. Kuri küçük ve hafiftir, bu yüzden yardımcının robotu şarj cihazına geri taşımasını seçtik, ancak bir uzaktan yardımcıya bir teleoperasyon arayüzü verip onun yerine robotu geri sürmesine izin vermeyi hayal edebiliriz.

Akademik bir binanın kat planının grafiği, robotun mümkün olan en fazla alanı yapabildiğini gösteriyor
Kuri, toplamda 32 saat süren bu kattaki 350 metrelik koridorun tamamını gezebildi.

Bu sistemi binamızda dört gün boyunca kurduk. Kuri, yerdeki 350 metrelik koridorun tamamında gezinmeyi başardı ve toplamda 32 saat koştu. Kuri’nin şarj etmesi gereken 12 kez, sistem atanmış yardımcısını bilgilendirdi ve robotu bulup şarj cihazına yerleştirdiler. Robotun kurtarma davranışları çoğu zaman sıkışmasını engelledi, ancak yardımcı, algılanması zor bir tırabzanın yanına sıkıştığında onu dört kez manuel olarak kurtarması gerekiyordu.

İnsan yardımı ile dolaşmak, başka türlü mümkün olmayan bir bina fotoğrafçısı robotu ile uzaktan etkileşimler üzerine keşif amaçlı bir kullanıcı çalışması yapmamızı sağladı. Sistem, 32 saatlik dağıtımı boyunca yardımcının yaklaşık yarım saatini gerektirdi. İyi ayarlanmış bir otonom navigasyon sistemi bunu hiçbir insan müdahalesi olmadan yapabilirdi, ancak böyle bir sistemin bu kadar iyi çalışması için çok daha fazla mühendislik zamanı harcamamız gerekecekti. Diğer tek gerçek alternatif, robotu tamamen teleoperasyon yapmak olurdu, bu bizim için lojistik bir imkansızlıktı.

Gezmek mi Dolaşmamak mı?

Bir robotun yapmasını istediğiniz şey için uygun özerklik düzeyini düşünmek önemlidir. “Otonom” ve “uzaktan kumandalı” arasında geniş bir yelpaze vardır ve ortadaki bir çözüm, maliyet veya genellik gibi daha çok önemsediğiniz başka bir boyutta ilerlemenize yardımcı olabilir. Bu, robotik araştırmacıları için modaya uygun olmayan bir öneri olabilir (otonomdan daha az çözümlerin yenilgi gibi hissedebileceği), ancak bunu yaratıcılığa bir davet olarak düşünmek daha iyidir: Yüzde 80’den başlarsanız hangi yeni açıları keşfedebilirsiniz? tamamen özerk bir çözüm yerine özerklik çözümü mü? Bir sistemi daha uzun süre veya daha önce yapamayacağınız bir yerde çalıştırabilir misiniz? Boşluğu kapatmak için insan yardımını nasıl serpebilirsin?

İnsan-robot etkileşimi araştırmacıları için özellikle ilginç olan bazı senaryolarda insan yardımıyla dolaşmanın özellikle etkili bir yaklaşım olduğunu düşünüyoruz:

  • İnsanların robot algılarını incelemek
  • Robotların çevredekilerle nasıl etkileşim kurması ve etkileşim kurması gerektiğini incelemek
  • Robotların uzak kullanıcılar ve operatörlerle nasıl etkileşime girebileceğini incelemek

Gezinmeyi kullanan ticari bir posta-kurye robotu yapmak istemezsiniz, ancak bu robotların karşılaşacağı bazı sorunları incelemeye başlamak için gezinmeyi kullanmak kesinlikle mümkündür. Hatta bunu Kuri gibi etkileyici ve ilgi çekici platformlarla da yapabileceksiniz. bizim kodumuz bir atış!), aksi halde görev için uygun olmazdı. Gezinme, belirli kullanım durumunuz için uygun olmasa bile, zihniyetinizi hala yanınızda taşıyacağınızı umuyoruz – sistem tasarımınıza yalnızca bir insan yardım dokunuşunu bütçelerseniz bu basit çözümler uzun bir yol kat edebilir. .

Nick Walker geleceğin ev ve iş yeri robotlarını göz önünde bulundurarak, insanların ve robotların birbirleriyle nasıl iletişim kurduklarını araştırır. Doktora yaparken Washington Üniversitesi’nde öğrenciyken, hem örtük iletişim (örneğin bir robotun hareketi) hem de doğal dil komutları gibi açık iletişim üzerinde çalıştı.

Amal Nanavati insan-robot etkileşimi ve yardımcı teknolojiler konusunda araştırma yapar. Geçmişteki projeleri arasında hareket engelli insanları beslemek için robotik bir kol geliştirmek, kör insanlara rehberlik etmek için bir mobil robot geliştirmek ve Hindistan’da sağırlar için bir okulla birlikte konuşma terapisi oyunları geliştirmek yer alıyor. Amal, Washington Üniversitesi’ndeki araştırmasının ötesinde, UAW 4121’in bir aktivisti ve yönetim kurulu üyesidir.



Kaynak : https://spectrum.ieee.org/wandering-robots-in-the-wild

Yorum yapın