Człowiek czujnikiem robota

Aby nie zderzać się z przedmiotami w otoczeniu, robot wykorzysta Twoje zmysły. Maszyny mogą bezpiecznie poruszać się w zatłoczonych miejscach, wykorzystując to, że w okolicy są uważni ludzie

Zespół naukowców z Uniwersytetu Illinois w Urbana-Champaign oraz Uniwersytetu Stanford, pracujący pod kierownictwem prof. Katie Driggs-Campbell, przygotował metodę opartą o algorytmy głębokiego uczenia ze wzmocnieniem, która może poprawić zdolność robotów mobilnych do bezpiecznego poruszania się.

Sposób polega na tym, że roboty wykorzystują ludzi w swoim otoczeniu jako wskaźniki potencjalnych przeszkód.

Autonomiczna nawigacja w zatłoczonych przestrzeniach stanowi wyzwanie dla robotów mobilnych ze względu na bardzo dynamiczne środowisko.

Większość dotychczas opracowanych modeli postrzegających ludzi jako czujniki jest zaprojektowana do zastosowania na ruchliwych ulicach, aby zwiększyć bezpieczeństwo pojazdów autonomicznych. Nowy model został ma poprawić zdolność robota mobilnego do poruszania się w tłumie ludzi i między przeszkodami.

Autonomiczne nawigowanie maszyny w tłumie jest trudniejsze niż jazdy po mieście dla systemów autonomicznych, ponieważ ludzkie zachowania są mniej ustrukturyzowane, a tym samym bardziej nieprzewidywalne.

Obserwują otoczenie i cienie

Badacze wykorzystali model uczenia się przez głębokie wzmocnienie, zintegrowany z utajoną przestrzenią, świadomą tzw. okluzji otoczenia. Okluzja otoczenia to obserwacja ogólnego oświetlenia, które emuluje złożone interakcje między rozproszonymi wzajemnymi odbiciami obiektów. Okluzja otoczenia rzuca cienie tam, gdzie obiekty są blisko siebie. Model został wyuczony przez wariacyjny autoenkoder VAE (VAE – to skrót od Variational Autoencoder; jest bardzo podobny do autoenkodera technicznie, ale podczas gdy autoenkoder musi po prostu odtworzyć swój sygnał wejściowy, wariacyjny autoenkoder musi odtworzyć swój wynik, utrzymując jednocześnie swoje ukryte neurony w określonym rozkładzie).

Tak przygotowanego robota-żółwia wpuścili do pomieszczenia z ludźmi.

– W symulacji nasza polityka uwzględniająca okluzję zapewnia porównywalną skuteczność unikania kolizji z nawigacją poprzez szacowanie zachowania agentów w przestrzeniach okludowanych. Demonstrujemy udane przeniesienie polityki z symulacji do rzeczywistego Turtlebot 2i – napisali badacze w artykule naukowym.

Model badaczy obejmuje moduł wnioskowania o otoczeniu, który został wytrenowany w celu wyodrębnienia zaobserwowanych zachowań społecznych, takich jak zwalnianie lub skręcanie w celu uniknięcia kolizji z zebranych sekwencji danych wejściowych. Następnie wykorzystuje te informacje do przewidywania, gdzie mogą znajdować się obiekty lub czynniki i koduje tę „rozszerzoną informację o percepcji” w niskowymiarową ukrytą reprezentację, wykorzystując VAE.

– Z powodzeniem wdrożyliśmy koncepcję „ludzi jako czujników”, aby wzmocnić ograniczoną percepcję robota i przeprowadzić nawigację w tłumie z uwzględnieniem obserwacji otoczenia – powiedział jeden z badaczy. – Wykazaliśmy, że nasza polityka zapewnia znacznie lepszą wydajność nawigacji (tj. lepsze unikanie kolizji i płynniejsze ścieżki nawigacji) niż nawigacja z ograniczonym widokiem. Zgodnie z naszą najlepszą wiedzą ta praca jest pierwszą, która wykorzystała wnioskowanie o okluzji do nawigacji w tłumie.

Wstępne odkrycia zebrane przez ten zespół naukowców są bardzo obiecujące: podkreślają potencjał ich metody w zapobieganiu kolizji robotów z przeszkodami w zatłoczonych środowiskach. W przyszłości ten model mógłby zostać wdrożony zarówno w istniejących, jak nowo opracowywanych robotach mobilnych zaprojektowanych do poruszania się po centrach handlowych, lotniskach, biurach i innych zatłoczonych miejscach.

Zdjęcie zajawka: rawpixel.com/Freepik

Źródło: Ye-Ji Mun i in., Nawigacja w tłumie uwzględniająca okluzję przy użyciu ludzi jako czujników, arXiv (2022). DOI: 10.48550/arxiv.2210.00552

Bernard Lange i in., LOPR: Predykcja obecności utajonej przy użyciu modeli generatywnych, arXiv (2022). DOI: 10.48550/arxiv.2210.01249

Masha Itkina i wsp., Multi-agent Variation Occlusion Inference przy użyciu ludzi jako czujników, 2022 Międzynarodowa konferencja na temat robotyki i automatyzacji (ICRA) (2022). DOI: 10.1109/ICRA46639.2022.9811774