|
| Robot điều hướng trên môi trường thực tế. Ảnh minh họa Tech Xplore |
Khi robot di động trở nên hiện đại và tiên tiến hơn, robot cũng dễ dàng triển khai hơn trên phạm vi rộng của thế giới thực. Một trong những yếu tố cho phép thực hiện ứng dụng quy mô lớn robot là khả năng tự động di chuyển trong các môi trường khác nhau.
Đến thời điểm này, nhiều robot di động đạt được những kết quả đầy hứa hẹn với khả năng điều hướng các môi trường đơn giản, trên các địa bàn có sàn hoặc địa hình phẳng nhẵn. Nhưng trong thế giới thực, tất cả các môi trường, bao gồm các nhà máy công nghiệp, những con đường và môi trường tự nhiên, có địa hình không bằng phẳng, với mặt địa hình lồi lõm, nghiêng dốc, ngổn ngang các chướng ngại vật khác.
Các nhà khoa học tại Viện Hàn lâm Khoa học Nga và Trường Đại học Kinh tế Quốc gia ở Moscow gần đây đã phát triển một hệ thống định vị mới, có thể nâng cao khả năng di chuyển của robot di động trên những bề mặt gồ ghề đồng thời tránh các loại chướng ngại vật khác nhau. Hệ thống này, được trình bày trong một bài báo, xuất bản trước trên tạp chí arXiv, có thể giúp hỗ trợ triển khai robot trong các môi trường phức tạp và lộn xộn chướng ngại vật với địa hình không bằng phẳng.
Trong báo cáo nghiên cứu, các nhà khoa học Stepan Dergachev, Kirill Muravyev và Konstantin Yakovlev viết: “Điều hướng an toàn trên những địa hình không bằng phẳng là một vấn đề quan trọng trong nghiên cứu robot. Chúng tôi đề xuất một hệ thống định vị 2.5D bao gồm xây dựng bản đồ độ cao, lập kế hoạch đường đi và đường dẫn địa phương vòng tránh chướng ngại vật. Đối với đường dẫn địa phương tiếp theo, chúng tôi sử dụng phương pháp điều khiển tích hợp đường dự đoán (MPPI) của mô hình."
Hệ thống định vị robot do nhà khoa học máy tính Dergachev và các đồng nghiệp đề xuất trên cơ sở MPPI, một thuật toán tối ưu hóa và điều chỉnh các đường dẫn phi tuyến tính, được các nhà nghiên cứu tại Viện Công nghệ Georgia giới thiệu vào năm 2016. Nhằm đạt được mục đích nghiên cứu, nhóm nhà khoa học Dergachev điều chỉnh thuật toán này sao cho phù hợp để tối ưu hóa đường đi trong môi trường có địa hình không bằng phẳng, sử dụng bản đồ độ cao 2,5D.
“Chúng tôi sử dụng bản đồ độ cao cục bộ làm dữ liệu đầu vào cho thuật toán MPPI,” nhóm Dergachev giải thích trong bài báo. "MPPI được hướng dẫn bởi các giá trị khả năng đi qua địa hình, được tính toán trên bản đồ độ cao. Những giá trị khả năng di chuyển này được tính toán trên cơ sở độ dốc của dốc, độ nhám bề mặt địa hình và những thông số khác."
Nhóm nghiên cứu Dergachev đã kiểm tra, đánh giá hệ thống định vị trong hàng loạt các thử nghiệm trên môi trường mô phỏng, sử dụng 3 bản đồ độ cao khác nhau. Trong những bài kiểm tra này, các robot phải đến một địa điểm cụ thể, vượt qua ba chướng ngại vật khác nhau trên địa hình, đó là một hình nón cụt, một đoạn đường dốc và một số hố.
 |
Môi trường các nhà nghiên cứu sử dụng để chạy các thí nghiệm mô phỏng. Ảnh: Dergachev, Muravyev và Yakovlev. |
Những môi trường mô phỏng được sử dụng trong các thử nghiệm này được các nhà khoa học, sử dụng trình mô phỏng Gazebo tạo ra, đặc trưng bởi các chướng ngại vật khác nhau và các loại địa hình không bằng phẳng. Các nhà nghiên cứu kiểm tra tính hiệu quả của hệ thống điều hướng robot trong những môi trường khó khăn bằng phương pháp sử dụng mô hình robot dẫn động vi sai bốn bánh.
Nhóm nhà khoa học của Dergachev nhận thấy, hệ thống định vị robot hoạt động hiệu quả trong các mô phỏng, robot vượt qua các chướng ngại vật thành công và điều hướng di chuyển gần như 100% thời gian trên các địa hình không bằng phẳng. Nhưng để xác nhận khả năng của robot, nhóm nghiên cứu cuối cùng cần phải kiểm tra trong bối cảnh thế giới thực, sử dụng một robot vật lý.
Nếu hệ thống định vị robot hoạt động tốt trong môi trường thực tế, nhóm nhà khoa học sẽ tiếp tục điều chỉnh và sử dụng hệ thống trong các nghiên cứu sâu hơn. Trong điều kiện đạt được kết quả mong muốn, công trình nghiên cứu sẽ thúc đẩy sự phát triển những robot di động, có khả năng điều hướng hiệu quả trong môi trường địa hình phức tạp.
Trong bài báo, các nhà nghiên cứu kết luận: “Trong tương lai, chúng tôi có kế hoạch triển khai thuật toán MPPI hiệu quả hơn, sử dụng phương pháp tính toán song song bằng bộ công cụ CUDA / OpenCL. Một mục tiêu khác cho công việc trong tương lai là tăng cường độ tin cậy và tốc độ tính toán của MPPI, điều chỉnh thuật toán cho các hệ thống động lực học lớn hơn."
Theo Tech Xplore
