Роботам нелегко справиться с проблемой прохождения через лабиринт. Возьмем, к примеру, ситуацию, где роботы должны пройти через детскую игровую комнату, чтобы достичь кухни. В этом запутанном лабиринте они сталкиваются с разбросанными игрушками на полу и мебелью, которая блокирует некоторые потенциальные пути. Но что делать боту в такой ситуации?
Исследователи из MIT CSAIL разработали эффективную систему планирования движения для роботов, названную Graphs of Convex Sets (GCS) Trajectory Optimization. Этот алгоритм представляет собой комбинацию поиска по графу и выпуклой оптимизации, позволяющую роботам быстро находить оптимальные пути в лабиринтоподобных средах, избегая столкновений с препятствиями.
GCS может отображать траектории без столкновений в 14 измерениях и, возможно, даже в большем количестве. Это делает его идеальным для совместной работы роботов на складах, в библиотеках и даже в домашних условиях. Алгоритм GCS позволяет оптимизировать траекторию движения робота, учитывая заданную стоимость, и эффективно находить кратчайший путь к месту назначения.
В демонстрациях исследователи показали, как система GCS управляет двумя роботизированными руками, держащими кружку, вокруг полки. Алгоритм оптимизировал время и путь движения, и синхронные движения рук напоминали парный танец. Роботы плавно покачивались по краям книжного шкафа, не роняя ни одного предмета.
Исследователи провели дополнительные эксперименты, убрав полки и заменив их на баллончики с красками и коробки с сахаром. Роботы успешно обменялись местами предметами, демонстрируя потенциал алгоритма в областях, таких как производство. Например, две роботизированные руки, работающие в тандеме, могут снять товар с полки безопасно и эффективно. Также, этот алгоритм может быть использован для уборки книг в домашних условиях или в библиотеках, избегая столкновений с другими предметами.
Алгоритм Graphs of Convex Sets (GCS) Trajectory Optimization представляет собой мощный инструмент для роботизированной навигации в лабиринтоподобных средах. Он комбинирует поиск по графу и выпуклую оптимизацию, позволяя роботам быстро находить оптимальные пути без столкновений. Этот алгоритм имеет широкий потенциал применения в различных областях, от производства до домашней уборки.
Источник:
Тобиа Маркуччи и др., Планирование движения вокруг препятствий с помощью выпуклой оптимизации (Tobia Marcucci et al, Motion planning around obstacles with convex optimization), Science Robotics (2023). DOI: 10.1126/scirobotics.adf7843
-------------------------------------
Вы можете поддержать проект подпиской на канал, реакциями и комментариями, а также подписавшись на наши страницы на других площадках и на сервисе поддержки авторов Бусти. Ссылки найдёте в описании канала. Заранее спасибо!