ربات‌های چندحسی که جنگل‌های ناهموار را با دقت نقشه‌برداری می‌کنند!
ربات‌های چندحسی که جنگل‌های ناهموار را با دقت نقشه‌برداری می‌کنند!
ربات‌هایی که تنها به دوربین یا لیدار (LiDAR) متکی هستند، وقتی برگ‌ها مسیر را می‌پوشانند، گل مسیر حرکتشان را خفه میکند یا بوته‌های انبوه دیدشان را مسدود میکند، ممکن است زمین بخورند یا دچار مشکل شوند.
به گزارش نیوزلن و به نقل از Earth، تیم تحقیقاتی دانشگاه دوک با توسعه چارچوبی به نام WildFusion، این مشکل را حل کرده‌اند. این فناوری به ربات چهارپای مجهز به حس‌های اضافی ارتعاش و لمس امکان می‌دهد نقشه‌های دقیق‌تر و غنی‌تری بسازد و محل‌های امن‌تری برای قدم گذاشتن در جنگل‌های واقعی انتخاب کند.
ربات‌های معمولی فضای بیرونی را به صورت مجموعه‌ای از نقاط ثبت شده توسط لیدار چرخان یا دوربین استریو می‌بینند. این دید پراکنده وقتی گیاهان مسیر را می‌پوشانند یا سطوح بازتابنده باعث اشتباه در بازتاب لیزر می‌شوند، کارایی خود را از دست می‌دهد. یانبای هویی لیو، دانشجوی دکتری دانشگاه دوک و نویسنده اصلی این تحقیق می‌گوید: «ربات‌های معمولی بیشتر به بینایی یا لیدار متکی هستند که در نبود مسیرهای واضح یا نشانه‌های قابل پیش‌بینی دچار مشکل می‌شوند.»
WildFusion، علاوه بر دوربین RGB و لیدار، از میکروفون‌های تماسی نزدیک هر پنجه، پوست‌های لمسی حساس به نیرو روی اندام‌ها و واحد اندازه‌گیری اینرسی استفاده میکند. هنگام حرکت ربات، میکروفون‌ها صدای هر قدم را ضبط می‌کنند؛ صدای خش خش شاخه‌های خشک، صدای برخورد ریشه‌ها و صدای نرم خزه‌های اشباع شده. حسگرهای لمسی فشار را ثبت می‌کنند تا کنترلر بداند آیا محل قدم گذاشتن محکم است یا لغزنده. واحد اینرسی وضعیت چرخش و شیب بدنه ربات را گزارش می‌دهد تا از خطرات احتمالی جلوگیری شود.
هر جریان حسگری توسط کدگذارهای عصبی به بردارهای فشرده تبدیل می‌شود و این بردارها در یک معماری یادگیری عمیق به صورت یک میدان ریاضی پیوسته ترکیب می‌شوند. این مدل می‌تواند موانع پنهان پشت شاخه‌ها یا گودال‌هایی که برگ‌ها آنها را می‌پوشانند را حدس بزند. بو یوان چن، استاد مهندسی مکانیک و علوم مواد دانشگاه دوک، می‌گوید: «WildFusion فصل جدیدی در ناوبری ربات‌ها و نقشه‌برداری سه‌بعدی باز میکند و به ربات‌ها کمک میکند با اطمینان بیشتر در محیط‌های ناهموار و غیرقابل پیش‌بینی مانند جنگل‌ها و مناطق بحران‌زده حرکت کنند.»
تیم تحقیقاتی این فناوری را در پارک ایالتی رودخانه Eno در کارولینای شمالی آزمایش کردند. مسیر شامل بوته‌های متراکم، بسترهای شنی رودخانه، جاده‌های خدماتی و انبوهی از شاخه‌های چوبی بود. در این شرایط، دید تنها قابل اعتماد نبود، اما نقشه ترکیبی WildFusion محل‌های قدم‌گذاری پایدار را به خوبی پیش‌بینی کرد.
این فناوری می‌تواند در ماموریت‌های خطرناک مانند گشت‌زنی اطراف آتش‌سوزی، بررسی خطوط برق قدیمی یا نقشه‌برداری مناطق پس از زمین‌لرزه که دسترسی انسان دشوار است، به کار رود. همچنین قابلیت افزودن حسگرهای حرارتی، رطوبت‌سنج یا شیمیایی را دارد تا کاربردهای بیشتری در کشاورزی و نجات انسان‌ها داشته باشد.
WildFusion ربات‌ها را به سطحی از درک محیطی می‌رساند که پیش از این تنها انسان‌ها از آن برخوردار بودند و در دنیایی که مسیرهای واضح و نشانه‌های قابل پیش‌بینی استثنا هستند، امکان فعالیت امن و مؤثر را فراهم میکند.
