Un cadre pour améliorer la navigation air-sol des robots dans des environnements complexes sujets à l'occlusion
Jusqu'à présent, les systèmes robotiques ont été principalement déployés dans les entrepôts, les aéroports, les centres commerciaux, les bureaux et autres environnements intérieurs, où ils assistent les humains dans des tâches manuelles de base ou répondent à des requêtes simples. Toutefois, à l’avenir, ils pourraient également être déployés dans des environnements inconnus et non cartographiés, où des obstacles peuvent facilement obstruer leurs capteurs, augmentant ainsi le risque de collision.
Les robots air-sol pourraient être particulièrement efficaces pour naviguer dans des environnements extérieurs et accomplir des tâches complexes. En se déplaçant à la fois au sol et dans les airs, ces robots pourraient aider les humains à rechercher des survivants après des catastrophes naturelles, à livrer des colis dans des endroits éloignés, à surveiller les environnements naturels et à accomplir d'autres missions dans des environnements extérieurs complexes.
Des chercheurs de l'Université de Hong Kong ont récemment développé AGRNav, un nouveau cadre conçu pour améliorer la navigation autonome des robots air-sol dans des environnements sujets à l'occlusion. Ce cadre, présenté dans un article publié sur le arXiv serveur de préimpression, s'est avéré obtenir des résultats prometteurs à la fois dans les simulations et dans les expériences réelles.
« La mobilité exceptionnelle et la longue endurance des robots air-sol suscitent l'intérêt pour leur utilisation pour naviguer dans des environnements complexes (par exemple, forêts et grands bâtiments) », ont écrit Junming Wang, Zekai Sun et leurs collègues dans leur article. « Cependant, de tels environnements contiennent souvent des régions occultées et inconnues, et sans prévision précise des obstacles non observés, le mouvement du robot air-sol subit souvent une trajectoire sous-optimale selon les méthodes de navigation existantes basées sur la cartographie et l'apprentissage. »
L'objectif principal de la récente étude de cette équipe était de développer une approche informatique pour améliorer la navigation des robots air-sol dans des environnements où des parties de leur environnement sont facilement masquées par des objets, des véhicules, des animaux et d'autres obstacles. AGRNav, le framework qu'ils ont développé, comporte deux composants principaux : un réseau léger de complétion de scènes sémantiques (SCONet) et un planificateur de chemin hiérarchique.
Le composant SCONet prédit la répartition des obstacles dans un environnement et leurs caractéristiques sémantiques, en utilisant une approche d'apprentissage en profondeur qui n'effectue que quelques calculs. Le planificateur de trajectoire hiérarchique, quant à lui, utilise les prédictions faites par SCONet pour planifier des trajectoires aériennes et terrestres optimales et économes en énergie pour qu'un robot atteigne un emplacement donné.
« Nous présentons AGRNav, un nouveau cadre conçu pour rechercher des trajectoires hybrides air-sol sûres et économes en énergie », ont écrit les chercheurs. « AGRNav contient un réseau léger de complétion de scènes sémantiques (SCONet) avec auto-attention pour permettre des prédictions précises d'obstacles en capturant des informations contextuelles et des caractéristiques de zone d'occlusion. Le cadre utilise ensuite une méthode basée sur des requêtes pour les mises à jour à faible latence des résultats de prédiction sur la grille. Enfin, sur la base de la carte mise à jour, le planificateur d'itinéraire hiérarchique recherche efficacement des itinéraires économes en énergie pour la navigation.
Les chercheurs ont évalué leur cadre à la fois dans des simulations et dans des environnements réels, en l’appliquant à un robot air-sol personnalisé qu’ils ont développé. Ils ont constaté qu'il surpassait tous les cadres de navigation robotiques de base et de pointe auxquels il avait été comparé, identifiant des chemins optimaux et économes en énergie pour le robot.
Le code sous-jacent d'AGRNav est open source et peut être consulté par les développeurs du monde entier sur GitHub. À l’avenir, il pourrait être déployé et testé sur d’autres plates-formes robotiques air-sol, contribuant potentiellement à leur déploiement efficace dans des environnements réels.
