نظرًا لأن الروبوتات المحمولة أصبحت أكثر تقدمًا، فقد أصبح أيضًا من السهل نشرها في مجموعة واسعة من إعدادات العالم الحقيقي. أحد العوامل التي ستتيح تنفيذها على نطاق واسع هو قدرتها على التنقل بشكل مستقل داخل أنواع مختلفة من البيئات.
حتى الآن، حققت العديد من الروبوتات المتنقلة نتائج واعدة في التنقل في البيئات البسيطة، لا سيما تلك ذات الأرضية أو التضاريس الملساء. ومع ذلك، في العالم الحقيقي، فإن العديد من البيئات، بما في ذلك المنشآت الصناعية، وبعض الطرق والبيئات الطبيعية، بها تضاريس غير مستوية، مع وجود ثقوب أو نتوءات في الأرض، وفوضى وعوائق أخرى.
طور باحثون في الأكاديمية الروسية للعلوم والمدرسة العليا للاقتصاد بجامعة الأبحاث الوطنية في موسكو مؤخرًا نظامًا جديدًا للملاحة يمكن أن يحسن قدرة الروبوتات المتنقلة على التحرك على الأسطح الخشنة مع تجنب أنواع مختلفة من العقبات. يمكن أن يساعد هذا النظام، المقدم في ورقة منشورة مسبقًا على arXiv، في تسهيل نشر الروبوتات في بيئات أكثر تعقيدًا وازدحامًا ذات تضاريس غير مستوية.
كتب ستيبان ديرجاتشيف وكيريل مورافييف وكونستانتين ياكوفليف في ورقتهم: "يعد التنقل الآمن في التضاريس غير المستوية مشكلة مهمة في البحث الآلي". "نقترح نظام ملاحة 2.5D يتكون من بناء خريطة الارتفاع وتخطيط المسار والمسار المحلي التالي مع تجنب العوائق. بالنسبة للمسار المحلي التالي، نستخدم طريقة التحكم في المسار التنبئي المتكامل (MPPI) model predictive path integral".
يعتمد نظام الملاحة الروبوتية الذي اقترحه Dergachev وزملاؤه على MPPI، وهي خوارزمية لتحسين وتصحيح المسارات غير الخطية التي قدمها الباحثون في معهد جورجيا للتكنولوجيا في عام 2016. لغرض دراستهم، قام الفريق بتكييف هذه الخوارزمية بحيث تكون مناسبة لتحسين المسارات في البيئات ذات التضاريس غير المستوية، باستخدام خرائط ارتفاع 2.5D.
أوضح ديرجاتشيف وزملاؤه في ورقتهم: "نستخدم خريطة ارتفاع محلية كمدخل لخوارزمية MPPI". "تسترشد MPPI بقيم عبور التضاريس المحسوبة بواسطة خريطة الارتفاع هذه. يتم حساب قيم اجتياز هذه القيم من انحدار المنحدر وخشونة السطح والمعلمات الأخرى".
قام Dergachev وزملاؤه بتقييم نظام الملاحة الخاص بهم في سلسلة من الاختبارات على بيئات محاكاة، باستخدام ثلاث خرائط ارتفاعات مختلفة. في هذه الاختبارات، كان على الروبوتات الوصول إلى موقع محدد أثناء التغلب على أو تجاوز ثلاث عوائق مميزة في طريقها، وهي المخروط المقطوع والمنحدر وبعض الحفر.
تم إنشاء البيئات المحاكاة المستخدمة في هذه الاختبارات باستخدام جهاز محاكاة الجازيبو وتميزت بالعوائق المختلفة وأنواع التضاريس غير المستوية. اختبر الباحثون فعالية نظامهم في هذه البيئات باستخدام نموذج لروبوت دفع تفاضلي رباعي العجلات.
وجد Dergachev وزملاؤه أن نظامهم كان يؤدي أداءً جيدًا بشكل ملحوظ في عمليات المحاكاة، حيث نجح الروبوت في تجاوز العقبات والتنقل في التضاريس غير المستوية بنسبة 100% تقريبًا من الوقت. لتأكيد إمكاناتها، سيحتاج الفريق في النهاية أيضًا إلى اختبارها في بيئة حقيقية باستخدام روبوت مادي.
إذا كان أداء النظام جيدًا أيضًا في بيئة حقيقية، فيمكن في النهاية تكييفه واستخدامه في مزيد من البحث. في النهاية، يمكن أن يعزز تطوير الروبوتات المتنقلة التي تكون أفضل في التنقل في البيئات ذات التضاريس غير المستوية.
وخلص الباحثون في ورقتهم البحثية إلى أنه "في المستقبل، نخطط لإنشاء تطبيق أكثر كفاءة لخوارزمية MPPI من خلال موازنة الحسابات باستخدام مجموعة أدوات CUDA / OpenCL". "هناك مجال آخر للعمل المستقبلي وهو زيادة متانة MPPI وتكييفها مع فئة أكبر من الأنظمة الديناميكية".
حتى الآن، حققت العديد من الروبوتات المتنقلة نتائج واعدة في التنقل في البيئات البسيطة، لا سيما تلك ذات الأرضية أو التضاريس الملساء. ومع ذلك، في العالم الحقيقي، فإن العديد من البيئات، بما في ذلك المنشآت الصناعية، وبعض الطرق والبيئات الطبيعية، بها تضاريس غير مستوية، مع وجود ثقوب أو نتوءات في الأرض، وفوضى وعوائق أخرى.
طور باحثون في الأكاديمية الروسية للعلوم والمدرسة العليا للاقتصاد بجامعة الأبحاث الوطنية في موسكو مؤخرًا نظامًا جديدًا للملاحة يمكن أن يحسن قدرة الروبوتات المتنقلة على التحرك على الأسطح الخشنة مع تجنب أنواع مختلفة من العقبات. يمكن أن يساعد هذا النظام، المقدم في ورقة منشورة مسبقًا على arXiv، في تسهيل نشر الروبوتات في بيئات أكثر تعقيدًا وازدحامًا ذات تضاريس غير مستوية.
كتب ستيبان ديرجاتشيف وكيريل مورافييف وكونستانتين ياكوفليف في ورقتهم: "يعد التنقل الآمن في التضاريس غير المستوية مشكلة مهمة في البحث الآلي". "نقترح نظام ملاحة 2.5D يتكون من بناء خريطة الارتفاع وتخطيط المسار والمسار المحلي التالي مع تجنب العوائق. بالنسبة للمسار المحلي التالي، نستخدم طريقة التحكم في المسار التنبئي المتكامل (MPPI) model predictive path integral".
يعتمد نظام الملاحة الروبوتية الذي اقترحه Dergachev وزملاؤه على MPPI، وهي خوارزمية لتحسين وتصحيح المسارات غير الخطية التي قدمها الباحثون في معهد جورجيا للتكنولوجيا في عام 2016. لغرض دراستهم، قام الفريق بتكييف هذه الخوارزمية بحيث تكون مناسبة لتحسين المسارات في البيئات ذات التضاريس غير المستوية، باستخدام خرائط ارتفاع 2.5D.
أوضح ديرجاتشيف وزملاؤه في ورقتهم: "نستخدم خريطة ارتفاع محلية كمدخل لخوارزمية MPPI". "تسترشد MPPI بقيم عبور التضاريس المحسوبة بواسطة خريطة الارتفاع هذه. يتم حساب قيم اجتياز هذه القيم من انحدار المنحدر وخشونة السطح والمعلمات الأخرى".
قام Dergachev وزملاؤه بتقييم نظام الملاحة الخاص بهم في سلسلة من الاختبارات على بيئات محاكاة، باستخدام ثلاث خرائط ارتفاعات مختلفة. في هذه الاختبارات، كان على الروبوتات الوصول إلى موقع محدد أثناء التغلب على أو تجاوز ثلاث عوائق مميزة في طريقها، وهي المخروط المقطوع والمنحدر وبعض الحفر.
تم إنشاء البيئات المحاكاة المستخدمة في هذه الاختبارات باستخدام جهاز محاكاة الجازيبو وتميزت بالعوائق المختلفة وأنواع التضاريس غير المستوية. اختبر الباحثون فعالية نظامهم في هذه البيئات باستخدام نموذج لروبوت دفع تفاضلي رباعي العجلات.
وجد Dergachev وزملاؤه أن نظامهم كان يؤدي أداءً جيدًا بشكل ملحوظ في عمليات المحاكاة، حيث نجح الروبوت في تجاوز العقبات والتنقل في التضاريس غير المستوية بنسبة 100% تقريبًا من الوقت. لتأكيد إمكاناتها، سيحتاج الفريق في النهاية أيضًا إلى اختبارها في بيئة حقيقية باستخدام روبوت مادي.
إذا كان أداء النظام جيدًا أيضًا في بيئة حقيقية، فيمكن في النهاية تكييفه واستخدامه في مزيد من البحث. في النهاية، يمكن أن يعزز تطوير الروبوتات المتنقلة التي تكون أفضل في التنقل في البيئات ذات التضاريس غير المستوية.
وخلص الباحثون في ورقتهم البحثية إلى أنه "في المستقبل، نخطط لإنشاء تطبيق أكثر كفاءة لخوارزمية MPPI من خلال موازنة الحسابات باستخدام مجموعة أدوات CUDA / OpenCL". "هناك مجال آخر للعمل المستقبلي وهو زيادة متانة MPPI وتكييفها مع فئة أكبر من الأنظمة الديناميكية".
