Simple Science

Scienza all'avanguardia spiegata semplicemente

# Ingegneria elettrica e scienze dei sistemi# Robotica# Sistemi e controllo# Sistemi e controllo

STEP: Un nuovo modo di navigare i robot in terreni complessi

I robot ora possono muoversi meglio su terreni difficili grazie al metodo STEP.

― 6 leggere min


PASSO: I robotPASSO: I robotconquistano terrenidifficilirobotica in ambienti difficili.Un nuovo metodo migliora la navigazione
Indice

L'autonomia dei robot ha fatto grandi progressi in ambienti controllati, ma capire come muoversi in terreni sconosciuti e difficili resta una sfida. Zone estreme, come paesaggi selvaggi, grotte e zone di disastro, presentano sfide particolari per i robot che cercano di muoversi. Questo articolo parla di un approccio chiamato STEP (Valutazione Stocastica della Traversabilità e Pianificazione) che mira a migliorare il modo in cui i robot viaggiano attraverso ambienti sotterranei e altri ambienti difficili.

La Sfida della Navigazione Autonoma

I robot spesso si affidano a mappe chiare e sensori per trovare la loro strada, ma in posti come le grotte o le macerie, i sensori normali faticano a fornire informazioni utili. Questi ambienti possono cambiare rapidamente e il terreno potrebbe non essere stabile. Quindi, i robot devono affrontare molte incertezze, come non sapere esattamente dove si trovano o come sia il terreno.

Per avere successo in queste situazioni, è necessario un modo nuovo di pensare alla navigazione. I robot devono valutare quanto siano sicuri i diversi percorsi, il che include capire quanto sia probabile che incontrino ostacoli o terreni difficili. Non si tratta solo di arrivare da un punto A a un punto B rapidamente; si tratta di farlo in sicurezza.

L'Approccio STEP

STEP mira ad aiutare i robot a navigare utilizzando un metodo che comprende diversi passaggi:

  1. Mappatura e Valutazione del Terreno: I robot creano mappe rapide che tengono conto delle incertezze nel terreno. Valutano quanto siano traversabili i diversi percorsi, il che li aiuta a evitare aree rischiose.

  2. Valutazione del Rischio: Utilizzando quello che si chiama Valore Condizionato a Rischio (CVaR), i robot possono capire i rischi coinvolti in diverse situazioni. Invece di cercare solo il percorso più sicuro, considerano anche quanto potrebbero andare male se dovessero incontrare problemi.

  3. Pianificazione dei Movimenti: I robot usano un sistema di pianificazione che permette loro di adattare i movimenti in base ai rischi e ai vincoli. Possono prevedere come muoversi in modo da rimanere al sicuro, pur essendo efficienti.

  4. Risposta ai Problemi: Quando si presentano situazioni inaspettate, i robot possono adattare rapidamente il loro comportamento per recuperare da situazioni complicate.

  5. Adattamento del Passo: Per i robot con le gambe, come Spot, adattare il modo in cui si muovono in base al terreno è fondamentale. Diversi tipi di andature possono aiutarli a navigare meglio in condizioni difficili.

Come Funziona il Sistema

Mappatura del Terreno

Per aiutare i robot a prendere decisioni migliori, iniziano creando una mappa 2.5D dei loro dintorni. Questo significa capire l'altezza del terreno e quanto sia stabile. Il robot raccoglie dati dai sensori per costruire questa mappa, tenendo anche conto degli errori nella sua posizione e in ciò che vede. In questo modo, il robot può avere una comprensione migliore del suo ambiente.

Valutazione dei Rischi

Una volta creata la mappa, il robot deve valutare i rischi dei diversi percorsi. Questo include capire vari fattori che potrebbero portare a problemi:

  • Rischio di Collisione: Scoprire quanto è vicino il robot a eventuali ostacoli.
  • Rischio di Dimensione del Passo: Valutare la differenza di altezza tra parti adiacenti del terreno.
  • Rischio di Ribaltamento: Comprendere le pendenze intorno al robot e se possono causare ribaltamenti o rotolamenti.
  • Incertezza del Sensore: Riconoscere che a volte i sensori potrebbero non fornire letture accurate.

Combinando questi rischi, il robot può calcolare un punteggio di rischio per ciascun percorso che potrebbe prendere. Questo punteggio lo aiuta a decidere quale percorso seguire in base a quanto è rischioso.

Pianificazione dei Movimenti

Con i rischi compresi, i robot possono pianificare i loro movimenti. Usano un metodo che bilancia velocità e sicurezza. Anziché semplicemente correre verso la destinazione, considerano il percorso più sicuro che li porti lì rapidamente.

I robot usano un metodo abbastanza flessibile da tenere conto delle incertezze nel loro ambiente. Questo significa che possono prendere decisioni su come muoversi in base ai rischi attuali e cambiare percorso se succede qualcosa di imprevisto.

Recupero da Fallimenti

A volte, i robot si trovano in situazioni inaspettate, come rimanere bloccati o incontrare un ostacolo. I comportamenti di recupero integrati in STEP assicurano che i robot possano rispondere rapidamente senza dover aspettare nuovi piani.

Ad esempio, se un robot si inclina troppo, potrebbe tornare indietro verso un punto più sicuro. Se è bloccato, potrebbe eseguire manovre specifiche per cercare di liberarsi. Questa adattabilità rapida è vitale in ambienti rischiosi.

Adattamento del Passo per Quadrupedi

I robot con le gambe, come Spot di Boston Dynamics, hanno modi diversi di muoversi, o andature. Scegliere l'andatura giusta in base al terreno aiuta questi robot a mantenere stabilità ed evitare incidenti.

In ambienti difficili, Spot può passare a un'andatura strisciante per maggiore stabilità o ridurre la sua altezza per navigare in aree basse. La capacità di cambiare il modo di camminare in base alla situazione è un grande vantaggio.

Applicazioni nel Mondo Reale

L'approccio STEP è stato testato in diversi ambienti difficili. Ecco alcuni esempi:

  • Grotte e Miniere: In ambienti come la Grotta di Valentine e il Kentucky Underground, i robot dovevano navigare su terreni irregolari e ostacoli. Utilizzando STEP, sono riusciti a creare mappe e pianificare percorsi in modo efficace mentre si adattavano alle incertezze.

  • Aree di Disastro: I robot inviati in zone di disastro dovevano valutare i rischi derivanti da macerie e altri oggetti pericolosi. La capacità di valutare i rischi e adattare i percorsi al volo si è rivelata essenziale per una navigazione di successo.

  • Sfida Sotterranea: In una competizione progettata per testare la navigazione robotica, STEP ha dimostrato di poter affrontare terreni complessi, dimostrando sia sicurezza che efficienza nei movimenti.

Direzioni future

Sebbene STEP abbia mostrato promesse, c'è sempre spazio per miglioramenti.

  • Ambient Dynamic: La versione attuale non prevede come gli ostacoli in movimento possano influenzare i percorsi. Aggiungere la capacità di reagire a cambiamenti improvvisi, come detriti che cadono, migliorerebbe la sicurezza.

  • Adattamenti di Velocità: Il sistema attualmente tratta la traversabilità allo stesso modo indipendentemente da quanto velocemente si muove il robot. Una migliore analisi di come la velocità influisca sul rischio migliorerebbe la navigazione.

  • Classificazioni Basate sulla Visione: Oltre ai dati LiDAR, utilizzare la riconoscimento basato su telecamera potrebbe fornire migliori intuizioni sui tipi di terreno, aiutando i robot a prendere decisioni più intelligenti mentre si muovono.

Conclusione

Navigare in terreni sconosciuti e pericolosi presenta sfide significative per i sistemi robotici. L'approccio STEP combina mappatura avanzata, valutazione del rischio e strategie di movimento adattabili per migliorare la capacità dei robot di operare in condizioni difficili.

Man mano che la tecnologia evolve e la ricerca continua, la capacità dei robot di navigare autonomamente in questi ambienti difficili migliorerà solo, portando a operazioni più sicure ed efficienti in una vasta gamma di applicazioni, dall'esplorazione alla risposta a disastri.

Fonte originale

Titolo: STEP: Stochastic Traversability Evaluation and Planning for Risk-Aware Off-road Navigation; Results from the DARPA Subterranean Challenge

Estratto: Although autonomy has gained widespread usage in structured and controlled environments, robotic autonomy in unknown and off-road terrain remains a difficult problem. Extreme, off-road, and unstructured environments such as undeveloped wilderness, caves, rubble, and other post-disaster sites pose unique and challenging problems for autonomous navigation. Based on our participation in the DARPA Subterranean Challenge, we propose an approach to improve autonomous traversal of robots in subterranean environments that are perceptually degraded and completely unknown through a traversability and planning framework called STEP (Stochastic Traversability Evaluation and Planning). We present 1) rapid uncertainty-aware mapping and traversability evaluation, 2) tail risk assessment using the Conditional Value-at-Risk (CVaR), 3) efficient risk and constraint-aware kinodynamic motion planning using sequential quadratic programming-based (SQP) model predictive control (MPC), 4) fast recovery behaviors to account for unexpected scenarios that may cause failure, and 5) risk-based gait adaptation for quadrupedal robots. We illustrate and validate extensive results from our experiments on wheeled and legged robotic platforms in field studies at the Valentine Cave, CA (cave environment), Kentucky Underground, KY (mine environment), and Louisville Mega Cavern, KY (final competition site for the DARPA Subterranean Challenge with tunnel, urban, and cave environments).

Autori: Anushri Dixit, David D. Fan, Kyohei Otsu, Sharmita Dey, Ali-Akbar Agha-Mohammadi, Joel W. Burdick

Ultimo aggiornamento: 2023-03-02 00:00:00

Lingua: English

URL di origine: https://arxiv.org/abs/2303.01614

Fonte PDF: https://arxiv.org/pdf/2303.01614

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili