Carnegie Mellon-onderzoekers ontwikkelen luchtrobots die ruimtes strategisch prioriteren voor multi-ruimteverkenning

Robotics & Automation INSIDER

Onderzoekers van het Robotics Institute hebben een nieuwe methode ontwikkeld voor autonome luchtrobotverkenning en multi-robotcoördinatie in verlaten gebouwen. (Credits: Carnegie Mellon University)

Hulp bij rampenrespons

Jaarlijks veroorzaken geschat 100 aardbevingen wereldwijd schade. Deze schade omvat ingestorte gebouwen, neergestorte elektriciteitslijnen en meer. Voor eerste hulpverleners is het beoordelen van de situatie en het richten van reddingsinspanningen cruciaal en riskant.

Onderzoekers van het Robotics Institute (RI) van Carnegie Mellon University in de School of Computer Science hebben een nieuwe methode ontwikkeld voor autonome luchtrobotverkenning en multi-robotcoördinatie in verlaten gebouwen die eerste hulpverleners kan helpen informatie te verzamelen en beter geïnformeerde beslissingen te nemen na een ramp.

Vermijden van redundantie in verkenning

„Een kernidee van dit onderzoek was het vermijden van redundantie in verkenning,” zei Ph.D.-student Seungchan Kim. „Aangezien dit multi-robotverkenning is, zijn coördinatie en communicatie tussen robots vitaal. We hebben dit systeem zo ontworpen dat elke robot verschillende ruimtes verkent, wat het aantal ruimtes maximaliseert dat een vast aantal drones kan verkennen.”

De drones richten zich op het snel detecteren van deuren omdat betekenisvolle doelen, zoals mensen, waarschijnlijker in ruimtes zijn dan in gangen. Om deze doelgerichte toegangspoorten te vinden, verwerken de robots de geometrische eigenschappen van hun omgeving met een onboard LiDAR-sensor. Zacht op ongeveer 1,8 meter boven de vloer zwevend, transformeren de luchtrobots de 3D LiDAR-puntwolkdata in een 2D-transformatiekaart. Deze kaart geeft de indeling van de ruimte als een afbeelding bestaande uit cellen, of pixels, die de robots vervolgens analyseren op structurele aanwijzingen die deuren en ruimtes aanduiden. Muren verschijnen als bezette pixels dicht bij de drone, terwijl een open deur of doorgang zich voordoet als lege pixels. De onderzoekers modeleerden deuren als zadelpunten, wat de robot in staat stelde doorgangen te identificeren en er snel doorheen te passeren. Wanneer een robot een ruimte binnenkomt, verschijnt deze als een cirkel.

Kim legde uit dat de onderzoekers gekozen hebben voor een LiDAR-sensor in plaats van een camera om twee hoofdredenen. Ten eerste gebruikt de sensor minder rekenkracht dan een camera. Ten tweede kunnen omstandigheden in een ingestort gebouw of op de plek van een natuurramp stoffig of rookig zijn, wat het zicht op een traditionele camera zou belemmeren.

Geen gecentraliseerde basis stuurt de robots. Elke robot neemt beslissingen en bepaalt optimale trajecten op basis van zijn begrip van de omgeving en communicatie met de andere robots. De luchtrobots delen de lijst met deuren en ruimtes die ze hebben verkend met elkaar en gebruiken deze informatie om gebieden te vermijden die al bezocht zijn.

Bron