W przypadku zawalenia się kopalni czas jest najważniejszy. Krytyczne misje poszukiwawczo-ratownicze stają się niezwykle trudne, ponieważ robot poruszający się po niebezpiecznym, częściowo zawalonym szybie musi szybko mapować otoczenie i ustalać swoją pozycję. Polegając jedynie na kamerach pokładowych, zadanie to staje się co najmniej żmudne.
Mimo ostatnich postępów w dziedzinie uczenia maszynowego, które umożliwiają robotom wykonywanie takich zadań na podstawie danych wizualnych, nadal istnieją pewne ograniczenia. Obecne modele mogą przetwarzać jednocześnie jedynie ograniczoną liczbę obrazów. Wyobraźmy sobie sytuację, w której robot musi przeglądać i analizować tysiące obrazów w czasie rzeczywistym – właśnie w tym momencie ograniczenia te stają się poważną przeszkodą.
Do akcji wkroczyli naukowcy z MIT, którzy opracowali system oparty na sztucznej inteligencji, łączący w sobie mocne strony zarówno współczesnego głębokiego uczenia się, jak i tradycyjnych technik widzenia komputerowego. Metoda ta może przetwarzać nieskończoną liczbę obrazów i szybko generować skomplikowane mapy 3D złożonych środowisk, takich jak zatłoczony korytarz biurowy.
Zamiast przetwarzać ogromną scenę za jednym zamachem, system dzieli otoczenie na mniejsze podsekcje, czyli “podmapy”. Następnie są one dopasowywane i łączone w celu stworzenia kompletnego planu 3D – przy czym przez cały czas monitorowana jest pozycja robota w czasie rzeczywistym. Zaletą tej metody jest jej prostota, szybkość i skalowalność, dzięki czemu nadaje się ona do zastosowań od misji poszukiwawczo-ratowniczych po logistykę przemysłową oraz doświadczenia z zakresu rzeczywistości rozszerzonej.
Istota tego przełomu polega na nowym ujęciu poważnego wyzwania w dziedzinie robotyki – jednoczesnej lokalizacji i mapowania (SLAM). Tradycyjnie algorytmy SLAM borykają się z problemami w środowiskach o dużej złożoności wizualnej lub w znacznym stopniu opierają się na wcześniej skalibrowanym sprzęcie. Modele uczenia maszynowego oferują rozwiązanie, ale są ograniczone ilością danych, które mogą przetwarzać jednocześnie – zazwyczaj jest to około 60 obrazów.
Przełomowy system MIT rozwiązuje tę przeszkodę, koncentrując się na mniejszych fragmentach środowiska. Mimo że każda podmapa jest tworzona przy użyciu zaledwie kilku migawek, są one szybko łączone w nadrzędną, spójną mapę; przyspieszając proces i umożliwiając robotowi radzenie sobie z bardziej rozległym i zróżnicowanym terenem.
Początkowo dopasowanie podmap wydawało się prostym rozwiązaniem, ale wkrótce okazało się, że niedoskonałości modeli uczenia maszynowego mogą powodować nieznaczne zniekształcenia podmap. Tradycyjne metody dopasowywania wykorzystujące obrót i przesunięcie nie przyniosły oczekiwanych rezultatów, ponieważ same podmapy były zniekształcone. Zespół powrócił więc do badań z dziedziny widzenia komputerowego sprzed kilkudziesięciu lat, łącząc te spostrzeżenia z nowoczesną sztuczną inteligencją.
Rezultatem była bardziej elastyczna struktura matematyczna, która uwzględniała zniekształcenia submap. Umożliwiło to systemowi dokładne wyrównanie nawet zniekształconych submap, tworząc niezawodny prototyp 3D i precyzyjne szacunki pozycji kamery o krytycznym znaczeniu dla nawigacji robotycznej. Imponujące wyniki testów wykazały, że system przewyższa istniejące metody zarówno pod względem szybkości, jak i precyzji, będąc w stanie zrekonstruować skomplikowane środowiska przy użyciu tylko krótkich filmów wideo ze smartfona, z marginesem błędu mniejszym niż pięć centymetrów.
W przyszłości zespół planuje udoskonalić swoją metodę pod kątem jeszcze bardziej złożonych środowisk oraz wdrożyć ją w rzeczywistych robotach działających w terenie. Ich praca ostatecznie pokazuje zalety połączenia podstawowej wiedzy z najnowocześniejszą sztuczną inteligencją w celu rozwiązywania rzeczywistych wyzwań. Jak trafnie ujął to Luca Carlone, profesor nadzwyczajny MIT: “Znajomość tradycyjnej geometrii się opłaca. Jeśli dogłębnie rozumiesz, co dzieje się w modelu, możesz uzyskać znacznie lepsze wyniki i sprawić, że rozwiązania będą znacznie bardziej skalowalne”.”
Te intrygujące badania, wspierane przez Narodową Fundację Nauki Stanów Zjednoczonych, Biuro Badań Marynarki Wojennej i Narodową Fundację Badań Korei, zostaną zaprezentowane na konferencji poświęconej systemom przetwarzania informacji neuronowych. Osoby zainteresowane szczegółami mogą zapoznać się z oryginalnym artykułem tutaj.
Ta strona używa plików cookie.