روبات‌های چندحسی که به دقت جنگل‌های دشوار را شناسایی و نقشه‌برداری می‌نمایند!

ربات‌های چهارپای جدید که به حسگرهای لمسی و صوتی مجهز شده‌اند، به توانایی شناسایی مسیرهای چالش‌برانگیز در شرایط طبیعی رسیده‌اند؛ این فناوری می‌تواند تحولی در کاوش محیط‌های ناهموار و بالقوه خطرناک ایجاد کند.

این ربات‌ها که فقط به دوربین یا فناوری لیدار (LiDAR) تکیه دارند، ممکن است در شرایطی که برگ‌ها مسیر را می‌پوشانند یا گل‌ها مانع حرکتشان می‌شوند، به مشکلاتی دچار گردند و زمین بخورند.

به نقل از ایتنا و منابع Earth، تیم تحقیق دانشگاه دوک با ایجاد چارچوبی به نام WildFusion توانسته‌اند این معضل را برطرف کنند. این فناوری به ربات‌های چهارپای مجهز به حس‌های اضافی چون ارتعاش و لمس امکان می‌دهد تا نقشه‌های دقیق‌تر و جامع‌تری تهیه کنند و مکان‌های ایمن‌تری برای پیاده‌روی در جنگل‌های طبیعی شناسایی نمایند.

ربات‌های معمولی فضای خارج را به‌عنوان مجموعه‌ای از نقاطی که توسط لیدار یا دوربین استریو ثبت شده‌اند، مشاهده می‌کنند. این دیدگاه پراکنده در زمانیکه گیاهان مسیر را می‌پوشانند یا سطوح بازتاب‌دهنده باعث اشتباه در انعکاس اشعه لیزر می‌شوند، کارایی خود را از دست می‌دهد. یانبای هویی لیو، دانشجوی دکتری دانشگاه دوک و نویسنده اصلی این تحقیق می‌افزاید: «ربات‌های مرسوم بیشتر به بینایی یا لیدار وابسته‌اند و در فقدان نشانه‌های واضح یا مسیرهای قابل پیش‌بینی با مشکلاتی روبه‌رو می‌شوند.»

WildFusion که علاوه بر دوربین RGB و لیدار، از میکروفون‌های نزدیک به هر پا، پوست‌های لمسی حساس به فشار روی اندام‌ها و واحد اندازه‌گیری اینرسی بهره می‌برد، به ربات قابلیت می‌دهد تا نظارت دقیقی بر محیط داشته باشد. میکروفون‌ها در حین حرکت ربات، صداهای قدم‌های آن، خش خش شاخه‌های خشک، صدای تماس با ریشه‌ها و صداهای ملایم خزه‌های مرطوب را ثبت می‌کنند. حسگرهای لمسی اطلاعات فشار را ضبط می‌کنند تا کنترلی دقیق فراهم کنند که آیا سطح زیر پای ربات محکم است یا لغزنده. واحد اینرسی هم دیتاهایی درباره وضعیت چرخش و شیب بدنه ربات ارائه می‌کند تا از وقوع خطرات جلوگیری به عمل آید.

تمامی اطلاعات حسگری از طریق کدگذارهای عصبی به بردارهای فشرده تبدیل می‌شود و این بردارها به‌صورت یک میدان ریاضی پیوسته در یک مدل یادگیری عمیق ترکیب می‌گردند. این مدل قابلیت پیش‌بینی موانع نهفته در پشت شاخه‌ها یا گودال‌هایی که با برگ‌ها پوشیده شده‌اند را دارد. بو یوان چن، استاد مهندسی مکانیک و علوم مواد دانشگاه دوک، بیان می‌کند: «WildFusion فصل نوینی در ناوبری رباتیک و نقشه‌برداری سه‌بعدی به وجود می‌آورد و کمک می‌کند تا ربات‌ها با اعتماد به نفس بیشتری در محیط‌های ناهموار و غیرقابل پیش‌بینی مانند جنگل‌ها و مناطق بحران‌زده حرکت نمایند.»

تیم تحقیقاتی این فناوری را در پارک ایالتی رودخانه Eno در کارولینای شمالی آزمایش کرده‌اند. این مسیر شامل بوته‌های انبوه، بسترهای شنی رودخانه، جاده‌های خدماتی و انبوهی از شاخه‌های چوبی بود. در این شرایط، دید صرفاً قابل اعتماد نبود، ولی نقشه ترکیبی WildFusion توانست مکان‌های مناسب برای قدم‌گذاری را به‌خوبی پیش‌بینی کند.

این فناوری می‌تواند در مأموریت‌های خطرناک همانند نظارت بر آتش‌سوزی، بازرسی خطوط برق قدیمی یا نقشه‌برداری از مناطق آسیب‌دیده پس از زلزله که دسترسی برای انسان دشوار است، به کار رفته و همچنین امکان افزودن حسگرهای حرارتی، رطوبت‌سنج یا شیمیایی را دارد تا کاربردهای بیشتری در کشاورزی و نجات زندگی انسان‌ها ایجاد کند.

WildFusion به ربات‌ها به سطحی از ادراک محیطی دست می‌دهد که پیش‌تر تنها مختص انسان‌ها بود و در دنیایی که مسیرهای واضح و نشانه‌های قابل پیش‌بینی به‌عنوان استثنا تلقی می‌شوند، شرایطی امن و مؤثر را ایجاد می‌کند.

مشاهده بیشتر

نوشته های مشابه

دکمه بازگشت به بالا