Роботы-доставщики, производимые такими компаниями, как Starship Technologies и Kiwibot, автономно передвигаются по городским улицам и кварталам.
Под капотом этих роботов, как и большинства мобильных роботов, используемых сегодня, используются различные датчики и программные алгоритмы для навигации в этих средах.
Датчики-лидары, посылающие световые импульсы для расчета расстояния до объектов, стали основой, позволяя этим роботам проводить одновременную локализацию и картографирование, также известное как SLAM.
Однако эти компоненты ресурсоемки и требуют больших объемов памяти для точного картирования, что ограничивает возможности робота работать на больших расстояниях, объясняет докторант Северо-Восточного университета Цзыхао Дун.
«Спустя определенное время вы можете накопить более 10 или 20 гигабайт памяти в своем кэше», — говорит он. «Это может быть огромной вычислительной нагрузкой для вас».
Робототехники, такие как Донг, должны помочь устранить эти узкие места, глубоко изучая алгоритмы, которые позволяют этим роботам работать так, как они работают.
В недавно опубликованном исследовании Донг под руководством Майкла Эверетта, северо-восточного профессора электротехники и вычислительной техники, разработал новый подход к 3D-картографированию, который в некоторых случаях на 57% менее ресурсоемкий, чем ведущие методы. Работа опубликована на сервере препринтов arXiv .
Алгоритм Донга, Deep Feature Assisted LiDAR Inertial Odometry and Mapping (DFLIOM), основан на другом алгоритме, который называется Direct LiDAR Inertial Odometry and Mapping (DLIOM), и использует инерциальные единицы измерения и данные лидара для трехмерного картирования.
Аналогично, DFLIOM использует те же технологии, но представляет новый метод сканирования сред, который не только требует использования меньшего объема данных, но и в некоторых случаях может помочь уменьшить неточности, говорит Эверетт.
Эверетт объясняет, что исследование помогает оспорить представление о том, что больше данных означает лучшие результаты.
«Люди, которые разрабатывают датчики, активно пытаются сказать: «Теперь у нас есть датчик, который может дать вам в 10 раз больше очков, чем раньше», — говорит он. «Таким образом они рекламируют датчики, чтобы сделать их более полезными.
«На самом деле, что касается алгоритма, то иногда мы беспокоимся, потому что теперь приходится обрабатывать больше данных, а наличие большего количества данных — это не просто хорошо, потому что алгоритм не справляется», — говорит он.
В этой работе Донг и Эверетт пытаются решить эту проблему и ответить на вопрос: «Как мы можем написать алгоритмы, которые могут извлекать только важные части?»
Исследователи протестировали алгоритм с помощью мобильного робота Agile X Scout Mini от Northeastern, оснащенного комплектом автономности, включающим Ouster Lidar, аккумуляторную батарею и мини-ПК Intel NUC. Робот создал 3D-карты различных внешних частей кампуса.
