Avanços na Navegação de Robôs com Pernas

Nos últimos anos, a área de robótica avançou muito, especialmente no desenvolvimento de robôs com pernas. Esses robôs são feitos pra navegar em ambientes complexos, como túneis, cavernas e espaços subterrâneos urbanos. Uma competição que destacou o desempenho desses robôs foi o Desafio Subterrâneo da DARPA, que rolou em 2021. O evento tinha como objetivo melhorar as capacidades dos sistemas robóticos em mapear, navegar e buscar em ambientes subterrâneos.

Durante esse desafio, a equipe CERBERUS focou em usar robôs com pernas pra superar os desafios únicos que os ambientes subterrâneos trazem. Eles utilizaram os robôs quadrúpedes ANYmal, que mostraram uma mobilidade e agilidade impressionantes em terrenos difíceis.

Esse artigo fala sobre o planejador de navegação desenvolvido pela equipe CERBERUS, conhecido como ArtPlanner. O planejador usa técnicas avançadas para planejar caminhos em ambientes bagunçados e dinâmicos, garantindo uma navegação segura e eficiente pros robôs com pernas.

#Desafios na Navegação

Navegar com robôs com pernas apresenta desafios únicos que diferem dos robôs tradicionais com rodas ou voadores. Diferente dos robôs voadores que evitam obstáculos, os robôs com pernas precisam manter contato com o chão pra se moverem de forma efetiva. A habilidade de pisar em obstáculos exige uma abordagem diferente pro planejamento de navegação.

A maioria dos métodos convencionais de navegação fornece uma única avaliação de transitabilidade para trechos de terreno. Essa simplificação não leva em conta a posição variável dos pés e a adaptabilidade dos robôs com pernas, limitando suas capacidades de navegação. A complexidade alta dos movimentos dos robôs com pernas torna difícil definir valores de transitabilidade confiáveis.

Pra enfrentar esses desafios, um planejador de navegação abrangente era necessário. O ArtPlanner foi desenvolvido pra avaliar o terreno e gerar caminhos seguros pros robôs ANYmal durante o Desafio Subterrâneo.

#Visão Geral do ArtPlanner

O ArtPlanner é um planejador de navegação especificamente projetado pra robôs com pernas. Ele funciona empregando uma representação baseada em alcançabilidade do robô e utilizando pontuações aprendidas pra apoios. Essa abordagem única permite que o planejador identifique poses válidas pro robô enquanto considera a dinâmica de movimento.

O processo de planejamento começa com a amostragem de poses potenciais pro robô. Cada pose é verificada quanto à validade, garantindo que o torso do robô permaneça livre de colisões enquanto suas pernas podem fazer contato com o chão. O planejador cria um grafo de poses válidas e usa uma função de custo de movimento aprendida pra determinar o melhor caminho a seguir.

O ArtPlanner foi estruturado pra fornecer desempenho em tempo real enquanto gerencia um tempo de computação limitado. Isso o torna adequado pra ambientes dinâmicos onde a tomada de decisão rápida é vital.

#Configuração Experimental

A equipe CERBERUS usou o ArtPlanner durante as Finais do SubT que aconteceram em Louisville, KY. A competição envolveu navegar por um percurso subterrâneo desafiador cheio de obstáculos e elementos dinâmicos. Os robôs funcionaram de forma autônoma, com supervisão humana limitada, exigindo um alto nível de confiabilidade do sistema de navegação.

Os robôs quadrúpedes ANYmal foram equipados com vários sensores, incluindo LIDAR e câmeras de profundidade, pra captar informações sobre o ambiente. Esses dados foram cruciais pra construir Mapas de Altura precisos que o ArtPlanner utilizou pra navegação.

O formato da competição consistia em várias rodadas onde os robôs tinham que explorar o ambiente, localizar artefatos e mapear áreas de interesse. O objetivo era conseguir a maior pontuação possível identificando e localizando os artefatos dentro da área de competição.

#Desempenho do ArtPlanner

O ArtPlanner conseguiu guiar os robôs ANYmal por várias seções da competição, desde passagens urbanas estreitas até ambientes de cavernas acidentadas. As técnicas avançadas do planejador permitiram uma navegação suave e uma tomada de decisão sob pressão.

Durante o Prêmio da competição, o ArtPlanner permitiu que os robôs operassem por 90 minutos sem falhas de planejamento ou locomoção. Esse desempenho consistente foi fundamental pra garantir a vitória da equipe CERBERUS.

O uso de uma abstração baseada em alcançabilidade permitiu que os robôs navegassem por espaços apertados e superassem obstáculos que seriam desafiadores pra outros tipos de robôs. Além disso, a combinação do grafo de planejamento e os custos de movimento aprendidos garantiu que os caminhos escolhidos pelos robôs minimizassem riscos e reduzissem os tempos de travessia.

#Componentes Chave do ArtPlanner

#Verificação de Alcançabilidade

Pra determinar poses válidas pro robô, o ArtPlanner utiliza um método conhecido como verificação de alcançabilidade. Isso envolve analisar a posição do robô em relação ao terreno e garantir que cada membro possa fazer contato com o chão sem colisões.

O torso do robô é tratado como um volume de colisão, enquanto cada membro tem seu volume de alcançabilidade designado. Isso permite que o robô avalie poses potenciais de forma mais precisa. No entanto, apenas verificar a geometria não é suficiente, já que a dinâmica desempenha um papel crucial na locomoção do robô.

#Custos de Movimento Aprendidos

Outro aspecto crítico do ArtPlanner é a incorporação de custos de movimento aprendidos. Esses custos são calculados com base no terreno e na localização atual do robô. O planejador usa uma rede neural treinada com dados simulados pra prever a energia, o tempo e o risco de falha associados ao movimento de uma pose pra outra.

Considerando tanto os custos de movimento quanto os riscos potenciais, o ArtPlanner pode gerar caminhos que são não apenas válidos, mas também ótimos em termos de desempenho. Essa abordagem é superior a planejadores tradicionais que podem ignorar as complexidades da navegação de robôs com pernas.

#Construção do Grafo

A construção do grafo de planejamento é uma parte fundamental da eficiência do ArtPlanner. O planejador constrói um novo grafo toda vez que há uma atualização no mapa de altura. Isso garante que os caminhos permaneçam relevantes e seguros conforme o ambiente muda.

O processo de amostragem de vértices do grafo é projetado pra ser eficiente, permitindo que o ArtPlanner lide com vários ambientes sem sobrecarga computacional excessiva. Além disso, o sistema verifica as arestas quanto à validade em lotes, tornando o processo mais rápido e confiável.

#Processamento do Mapa de Altura

O mapa de altura serve como a principal fonte de informação do planejador sobre o ambiente. Pra uma navegação bem-sucedida, ter um mapa de altura de alta qualidade é essencial.

Durante a competição, a equipe CERBERUS implementou várias etapas de processamento pra melhorar a qualidade do mapa de altura. Essas etapas incluíram filtrar dados não confiáveis, inferir superfícies virtuais acima do robô e manter representações precisas do terreno.

1. Superfícies Virtuais: Essas superfícies foram inferidas com base nos dados dos sensores pra preencher lacunas no mapa de altura. Ao lançar raios dos sensores pro terreno, a equipe conseguiu prever melhor a disposição do ambiente e melhorar as decisões de navegação.

2. Limite de Segurança: Um limite de segurança foi aplicado pra evitar planejar caminhos que colocassem o robô muito perto de obstáculos perigosos. Esse limite ajudou a garantir distâncias seguras de bordas e quedas acentuadas.

3. Filtro de Ponto de Teto: Em ambientes com tetos baixos, o mapa de altura poderia ser corrompido por leituras de altura errôneas. O filtro ajustou o limite de altura dinamicamente com base na posição do robô pra reduzir as chances de esses erros impactarem o planejamento.

Essas etapas de processamento foram vitais pra permitir que os robôs navegassem de forma segura e eficiente durante os desafios da competição.

#Resultados

O desempenho da equipe CERBERUS com o ArtPlanner durante as Finais do SubT foi excepcional. Os robôs navegaram com sucesso pelo percurso, enfrentando vários obstáculos e desafios ambientais sem falhas significativas.

O uso do ArtPlanner permitiu que os robôs mantivessem um alto nível de autonomia enquanto exploravam terrenos desconhecidos. Notavelmente, os resultados do planejamento de caminho indicaram que o ArtPlanner conseguiu gerar caminhos mais seguros e eficientes em comparação com outros métodos de planejamento existentes.

#Realizações Específicas

1. Sem Falhas de Planejamento: Durante toda a competição, o ArtPlanner não falhou em produzir um plano pra nenhum cenário. Essa confiabilidade foi crucial pra garantir uma operação tranquila.

2. Robustez em Ambientes Diversos: A capacidade de navegar por corredores apertados, túneis embaçados e sistemas de cavernas acidentadas mostrou a versatilidade do planejador. Essa adaptabilidade permitiu uma exploração eficiente e identificação de artefatos.

3. Segurança e Gerenciamento de Risco: A integração de custos de movimento aprendidos contribuiu significativamente pra minimização de riscos durante a navegação.

#Conclusão

O ArtPlanner representa um avanço significativo na área de navegação de robôs com pernas. Sua combinação única de representação baseada em alcançabilidade e custos de movimento aprendidos se mostrou eficaz em enfrentar os desafios apresentados por ambientes complexos.

O sucesso da equipe CERBERUS durante o Desafio Subterrâneo da DARPA destaca a importância de técnicas avançadas de planejamento na navegação robótica. Com o ArtPlanner, a equipe conseguiu alcançar seus objetivos garantindo a segurança e a eficiência operacional de seus robôs.

Seguindo em frente, o desenvolvimento de sistemas de navegação mais sofisticados continuará a aprimorar as capacidades dos robôs com pernas, permitindo que eles explorem e interajam com uma ampla variedade de ambientes. As percepções adquiridas nas Finais do SubT abrirão caminho pra futuras pesquisas e melhorias nas tecnologias de navegação robótica.