تاریخ انتشار
گمکردن موقعیت توسط رباتها چالشی قدیمی است که به «مسئله ربات ربودهشده» معروف است اما پژوهشگران میگویند سامانه هوش مصنوعی تازهای طراحی کردهاند که میتواند به حل این مشکل کمک کند.
یک تیم پژوهشی در دانشگاه میگل هرناندس در شهر اِلچه در اسپانیا روش تازهای برای مکانیابی رباتهای خودران توسعه داده که با استفاده از فناوری لیدار سهبعدی، محیط اطراف را با پالسهای لیزری اسکن میکند و نمایی شبیه نقشه از محیط میسازد.
پژوهشگران میگویند این روش به رباتها امکان میدهد حتی پس از جابهجا شدن، خاموش شدن یا از جای خود کنده شدن، موقعیتشان را بازیابی کنند.
مکانیابی مطمئن و ایمن برای رباتهای خدماتی، خودکارسازی لجستیک، بازرسی زیرساختها، پایش محیطزیست و خودروهای خودران اهمیت حیاتی دارد.
بسیاری از رباتهای خودران تا حدی به سامانههای ناوبری ماهوارهای مانند جیپیاس متکی هستند اما این سیگنالها نزدیک ساختمانهای بلند ضعیف میشود و در فضاهای بسته هم اغلب کارایی خوبی ندارد.
پژوهشگران میگویند سامانه آنها با نام MCL-DLF (مکانیابی مونتکارلو – ویژگی محلی عمیق) به رباتها امکان میدهد بهجای تکیه بر زیرساختهای بیرونی، بهطور موثرتری بر حسگرهای نصبشده روی خود متکی شوند.
این سامانه ابتدا با شناسایی سازههای بزرگ مانند ساختمانها یا پوشش گیاهی، محدوده کلی را تعیین میکند و سپس با تحلیل جزئیات کوچکتر، موقعیت دقیق ربات را مشخص میکند؛ فرایندی که طوری طراحی شده تا شبیه نحوه جهتیابی انسانها در مکانهای ناآشنا باشد.
مریام ماکسیمو، نویسنده اصلی این پژوهش و پژوهشگر دانشگاه میگل هرناندس اِلچه، میگوید: «این شبیه کاری است که انسانها انجام میدهند؛ ابتدا محدوده کلی را تشخیص میدهند و بعد با تکیه بر جزئیات کوچکِ تمایزدهنده، محل دقیق خود را مشخص میکنند.»
این سامانه با استفاده از هوش مصنوعی یاد میگیرد کدام ویژگیهای محیطی برای مکانیابی مفیدتر است و همزمان چند برآورد مختلف از موقعیت را حفظ میکند و با رسیدن دادههای تازه از حسگرها آنها را بهطور پیوسته بهروزرسانی میکند.
پژوهشگران میگویند این کار به بهبود قابلیت اعتماد سامانه کمک میکند، بهویژه وقتی محیط اطراف شبیه هم باشد یا در طول زمان تغییر کرده باشد.
این فناوری طی چند ماه در محوطه دانشگاه و در شرایط گوناگون از جمله فصلها و نورهای متفاوت آزمایش شد.
پژوهشگران میگویند این سامانه در مقایسه با روشهای متعارف، دقت بالاتر در تعیین موقعیت و عملکرد باثباتتری در برابر تغییرات محیطی، از دگرگونیهای فصلی گرفته تا تغییرات نور و پوشش گیاهی، نشان داده است.
این سامانه جدید میتواند به رباتها کمک کند در محیطهای واقعی که شرایط بهندرت ثابت میماند، مستقلتر عمل کنند.
