Робота навчили орієнтуватися в просторі за допомогою ехолокації

Інженери з Ізраїлю та Швейцарії створили автономного робота, який орієнтується в просторі, використовуючи для цього тільки ультразвуковий випромінювач і мікрофони. При цьому робот не має попередніх даних про навколишнє середовище і становить його карту самостійно за допомогою тих же приладів. Присвячена розробці стаття опублікована в журналі.

Велика частина роботів, здатних до автономного пересування, спираються на дані з камер. Крім того, багато з них можуть працювати в уже відомому їм місці, для якого створена високоточна 3D-карта. Цей підхід відносно простий і надійний, але працює тільки в хороших умовах. Погане освітлення або зміни на місцевості, не відображені на карті, різко знижують ефективність системи позиціонування. Щоб вирішити цю проблему в роботах і безпілотних автомобілях застосовуються дорогі лідари і радари, а для пересування незнайомою місцевістю деякі розробники використовують метод одночасної локалізації та побудови карти (SLAM).

Група інженерів під керівництвом Йоссі Йовела (Yossi Yovel) з Тель-Авівського університету застосувала у своєму роботі Robat такий самий метод орієнтування, але більш незвичайне і доступне джерело даних - ультразвуковий випромінювач і мікрофони. Вони розташовані на поворотній щоглі, встановленій на чотириколісній платформі.

Оскільки інженери надихалися ехолокацією кажанів, вони запрограмували робота таким чином, що він сканує простір за допомогою ультразвукових імпульсів кожні півметра, що імітує політ кажана зі швидкістю п'ять метрів на секунду, що випускає імпульси кожні 0,1 секунди. Ультразвуковий динамік випромінює відносно вузько спрямовані імпульси, тому робота проходить під час кожної зупинки робити три вимірювання, повертаючи щоглу на 60 градусів в обидва боки.

Через кожні п'ять «кроків» (2,5 метра) робот завдає виявлених за допомогою ультразвукових імпульсів перешкод на карту, причому не у вихідному вигляді, а зі штучними кордонами, «роздутими» навколо центру перешкоди.

Експерименти показали, що середня помилка нанесення перешкод на карту щодо їх реального місця розташування становить 42 сантиметри. Крім того, інженери створили для робота нейромережевий алгоритм, що дозволяє йому не тільки визначати наявність перешкоди, а й класифікувати його. Поки розробники навчили алгоритм бінарної класифікації перешкод на рослини та інші об'єкти. Крім того, що алгоритм «знає» мало типів предметів, поки невисока і його точність класифікації - вона становить близько 68 відсотків.

Нещодавно американський інженер створив окуляри, що дозволяють оцінювати відстані до об'єктів за звуком. У них використовується лазерний далекомір, показання з якого перетворюються на звук, що передається прямо на вушну раковину за допомогою навушників, які використовують кісткову провідність.