Un nuovo approccio per migliorare la navigazione dei robot in ambienti interni
Per navigare efficacemente nell’ambiente circostante, i robot in genere pianificano percorsi basati su mappe pre-progettate dell’ambiente in cui operano e osservazioni raccolte dai loro sensori. Mentre questo tipo di strategia di navigazione può essere utile in ambienti semplici e statici, è tutt’altro che ideale in quelli più complessi e imprevedibili, come quelli che si trovano nel mondo reale.
Infatti, anche se le mappe inviate a un robot sono state compilate con cura e sono accurate, non tengono conto di ostacoli imprevisti o cambiamenti nell’ambiente. Poiché la maggior parte degli ambienti in cui i robot dovrebbero essere eventualmente utilizzati (ad esempio ospedali, centri commerciali, aeroporti, ecc.) Sono altamente imprevedibili e in rapida evoluzione, gli approcci di navigazione che si basano principalmente su mappe pre-progettate possono comportare scarse traiettorie e strategie di navigazione.
Consapevole di questo problema, due ricercatori dell’Università di Bonn hanno recentemente sviluppato un approccio che potrebbe consentire ai robot di navigare in ambienti interni in rapido cambiamento in modo più efficace per periodi di tempo prolungati. Questo nuovo approccio, presentato in un articolo pre-pubblicato su arXiv , funziona essenzialmente catturando schemi ripetitivi su come un ambiente sta cambiando e sfruttando questa conoscenza per prendere decisioni di navigazione informate.
“L’idea di questo studio è che molti cambiamenti negli ambienti interni avvengono seguendo schemi spaziali ripetuti, ad esempio le porte che si aprono e si chiudono allo stesso tempo”, ha detto Lorenzo Nardi, uno dei ricercatori che ha effettuato lo studio . “I robot che vengono utilizzati per periodi di tempo più lunghi in questi ambienti possono osservare e raccogliere continuamente informazioni al riguardo e sfruttare queste conoscenze per pianificare strategie migliori per la navigazione.”
In uno studio precedente , lo stesso team di ricercatori ha sviluppato un approccio che raccoglie informazioni su come un terreno influisce sulla navigazione di un robot all’aperto e quindi lo utilizza per calcolare traiettorie che riducono al minimo le vibrazioni a bordo e il consumo di energia. Nel loro nuovo studio, hanno deciso di concentrarsi sulla navigazione robotica all’interno, prevedendo le diverse configurazioni che un ambiente assume nel tempo.
“Il vantaggio principale del nostro approccio è che considera una rappresentazione ambientale in grado di integrare continuamente nuove osservazioni sull’ambiente”, ha spiegato Nardi. “Questa rappresentazione consente di pianificare nel tempo traiettorie migliori di avidi pianificatori di percorsi più brevi basati su mappe geometriche statiche dell’ambiente.”
I ricercatori hanno valutato il loro approccio applicandolo a una serie di scenari in quattro diversi ambienti interni: un piccolo ufficio, un ufficio medio, un grande ufficio e un ospedale. In questi esperimenti, il loro approccio ha funzionato molto bene, pianificando percorsi efficaci che hanno considerato i cambiamenti ambientali. Inoltre, hanno confrontato il loro approccio con le tecniche esistenti basate su mappe statiche e hanno scoperto che genera percorsi più brevi e migliori quando il robot viene distribuito per periodi di tempo più lunghi.
“I nostri risultati mostrano che, sebbene la complessità del sistema di navigazione aumenti, il nostro approccio porta il robot nel tempo a fornire previsioni accurate sulle configurazioni ambientali e sfruttare queste conoscenze per navigare su percorsi più brevi”, ha detto Nardi.
In futuro, l’approccio proposto da Nardi e dal suo collega Cyrill Stachniss potrebbe contribuire a migliorare la navigazione dei robot in ambienti interni in rapido cambiamento. Potrebbe rivelarsi particolarmente utile in contesti in cui l’efficienza di un robot è fondamentale, come gli ospedali. I ricercatori stanno ora pianificando di testare il loro approccio utilizzando una vera piattaforma robotica, poiché ciò consentirà loro di valutare se i risultati iniziali che hanno raccolto siano ancora validi in contesti di vita reale.
“Un’altra direzione interessante per la ricerca futura potrebbe essere quella di cercare di integrare comportamenti dinamici ad alta frequenza, come altri agenti dinamici in movimento, nel quadro”, ha detto Nardi.
