На прошлой неделе команда, занявшая второе место в конкурсе DARPA под названием Subterranean Challenge, выпустила два видео, записанных во время прошлогодних пробежек через Mega Cavern Луисвилля. Эти видеоролики, записанные в рамках конкурса по поиску, идентификации и нанесению на карту подземных пространств, позволяют заглянуть в мир машинного картографирования трехмерных пространств.
Каждое видео также выглядит так, как мы можем представить себе мир, как его воспринимает робот. Комнаты нанесены на карту цветными точками, с реальными пространствами, собранными так, как компьютер воспринимает пространство. Это визуальный эквивалент проведения рукой по штукатурке — текстуре, преобразованной в форму.
Для Subterranean Challenge, состоявшегося в конце сентября 2021 года, международная группа команд построила, а затем использовала роботов для исследования подземных полос препятствий. Эти курсы, заранее установленные DARPA (точные параметры были скрыты от участников до начала соревнований), имитировали виды спасательных и военных работ, которые роботы могут выполнять в будущем.
В последнем задании роботы должны были перемещаться по средам, стимулирующим туннели, естественные пещеры и построенные подземные городские среды. Как описало это DARPA, «Challenge ищет новые подходы к быстрому нанесению на карту, навигации и поиску подземных сред во время срочных боевых операций или сценариев реагирования на стихийные бедствия».
Команда, занявшая второе место в конкурсе под названием CSIRO Data61, является частью национального агентства науки Австралии; вопрос о том, как роботам лучше исследовать подземные пространства, является поистине глобальным.
На практике это означает не только роботов, которые могут исследовать подземное пространство, но и роботов, которые могут отображать полезную карту для людей, которые будут следовать за роботами в темноте.
Роботы видят в лазерах и свете, а иногда используют и другие датчики, такие как радар. Чтобы сделать эту информацию полезной для людей-наблюдателей, робот должен затем преобразовать числа из этих данных обратно во что-то визуальное, визуализируя карту и модель своего ближайшего окружения.
Одним из способов преобразования этих данных в карту является одновременная локализация и картирование, или SLAM. Это процесс, при котором робот создает карту, отмечая, где он находится по отношению к своему окружению.
Во время полета SLAM данные от четырех разных роботов объединяются в единое целое. Комнаты, коридоры и препятствия обнаруживаются с помощью пуантилистского рисунка лазерного сканирования с помощью лидара, установленного на роботах. Это похоже на археологические раскопки, которые часто используются для лидарной технологии.
Используя метод обработки под названием PaintCloud, можно создать более реалистичное цветовое представление карты поверх существующих лидарных облаков точек.
В версии PaintCloud лидарная структура карты окрашена в коричневые и серые тона реального физического пространства. Огни выделяются более четко, а объекты навязчиво сливаются со своим окружением. В одном из разделов отчетливо виден тепловой манекен, прислоненный к стене. В яркой желто-зеленой светоотражающей куртке и с синей головой манекен хорошо виден в краске. Тем не менее, поскольку это схема окраски, примененная к модели, форма манекена состоит из точек отраженного света. Он неудобно сливается со стеной пещеры, поскольку четкое разграничение между телом и окружающей средой все еще находится за пределами возможностей картографического инструмента.
Для людей, посланных за роботом, оба метода создают полезную картину и руководство. Даже со структурной странностью нанесения цвета на точки расстояния, измеренные лидаром, человек, следующий за ним, мог бы использовать карту, чтобы идентифицировать и, надеюсь, спасти человека в светоотражающей куртке.
В качестве бонуса, картографирование пещеры таким сверхъестественным образом означает, что люди, входящие в нее, увидят зрелище менее навязчивое, чем то, что уже было показано роботом.
#роботы #наука #технологии #изобретения #технологии будущего #учёные