Trazando un curso seguro a través de un entorno altamente incierto – ScienceDaily

Trazando un curso seguro a través de un entorno altamente incierto – ScienceDaily


Una nave espacial autónoma que explora las regiones remotas del universo desciende a través de la atmósfera de un exoplaneta distante. El vehículo y los investigadores que lo programaron no saben mucho sobre este entorno.

Con tanta incertidumbre, ¿cómo puede la nave espacial determinar una trayectoria que evite ser aplastada por un obstáculo que se mueve al azar o desviada de su curso por vientos repentinos con fuerza de huracán?

Los investigadores del MIT han desarrollado una técnica que podría ayudar a que esta nave espacial aterrice de manera segura. Su enfoque puede permitir que un vehículo autónomo establezca una trayectoria segura demostrable en situaciones altamente inseguras donde existen múltiples incertidumbres relacionadas con las condiciones ambientales y los objetos con los que el vehículo podría chocar.

La técnica podría ayudar a un vehículo a encontrar un curso seguro alrededor de obstáculos que se mueven de manera aleatoria y cambian de forma con el tiempo. Registra una trayectoria segura hacia una región objetivo incluso cuando no se conoce con exactitud el punto de partida del vehículo y cuando no está claro exactamente cómo se moverá el vehículo debido a factores ambientales como el viento, las corrientes oceánicas o el terreno accidentado.

Esta es la primera técnica para abordar el problema de la planificación de trayectorias con muchas incertidumbres simultáneas y restricciones de seguridad complejas, dice el coautor principal Weiqiao Han, estudiante graduado en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación y el Laboratorio de Ciencias de la Computación e Inteligencia Artificial. (CSAIL).

“Las futuras misiones espaciales robóticas necesitan una autonomía consciente de los riesgos para explorar mundos lejanos y extremos para los que solo existe un conocimiento previo muy incierto. Para lograr esto, los algoritmos de planificación de trayectorias deben pensar en las incertidumbres y lidiar con modelos inciertos complejos y restricciones de seguridad. agrega el coautor principal Ashkan Jasour, un ex científico investigador de CSAIL que ahora trabaja en sistemas robóticos en el Laboratorio de Propulsión a Chorro de la NASA.

Junto a Han y Jasour en el trabajo está el autor principal Brian Williams, profesor de aeroespacial y miembro de CSAIL. La investigación se presentará en la Conferencia Internacional IEEE sobre Robótica y Automatización y fue nominada para el Premio al Artículo Sobresaliente.

evitar suposiciones

Debido a que este problema de planificación de trayectoria es tan complejo, otros métodos para encontrar un camino seguro hacia adelante hacen suposiciones sobre el vehículo, los obstáculos y el entorno. Estos métodos son demasiado simples para aplicar en la mayoría de los entornos del mundo real y, por lo tanto, no pueden garantizar que sus trayectorias sean seguras bajo restricciones de seguridad complejas e inciertas, dice Jasour.

«Esta incertidumbre podría provenir de la aleatoriedad de la naturaleza o incluso de la imprecisión en el sistema de percepción del vehículo autónomo», agrega Han.

En lugar de adivinar las condiciones ambientales exactas y las ubicaciones de los obstáculos, el algoritmo que desarrollaron infiere la probabilidad de observar diferentes condiciones ambientales y obstáculos en diferentes ubicaciones. Realizaría estos cálculos utilizando un mapa o imágenes del entorno del sistema de percepción del robot.

Utilizando este enfoque, sus algoritmos formulan la planificación de trayectorias como un problema de optimización probabilística. Este es un marco de programación matemática que permite que el robot logre objetivos de planificación, como maximizar la velocidad o minimizar el consumo de combustible, respetando las restricciones de seguridad, como evitar obstáculos. Los algoritmos probabilísticos que desarrollaron tienen en cuenta el riesgo, que es la probabilidad de no cumplir con las restricciones de seguridad y los objetivos de planificación, dice Jasour.

Sin embargo, dado que el problema involucra varios modelos y restricciones inciertos, desde la posición y la forma de cada obstáculo hasta la posición inicial y el comportamiento del robot, esta optimización probabilística es demasiado compleja para resolverla con métodos estándar. Los investigadores utilizaron estadísticas de orden superior de las distribuciones de probabilidad de las incertidumbres para transformar esta optimización probabilística en un problema de optimización determinista más directo y simple que se puede resolver de manera eficiente con los solucionadores disponibles en el mercado.

“Nuestro desafío era reducir el alcance de la optimización e incorporar restricciones más prácticas para que funcionara. El camino desde una buena teoría hasta una buena aplicación fue muy arduo”, dice Jasour.

El solucionador de optimización genera una trayectoria restringida por riesgo, lo que significa que la probabilidad de que el robot choque con un obstáculo al seguir la ruta no supera un determinado umbral, p. B. 1 por ciento. A partir de esto, reciben una secuencia de entradas de control que pueden conducir el vehículo de manera segura hacia su área objetivo.

trazando cursos

Evaluaron la tecnología utilizando varios escenarios de navegación simulados. En uno, modelaron un vehículo submarino que trazó un curso desde una posición insegura alrededor de una serie de obstáculos de formas extrañas hacia una región objetivo. Fue capaz de alcanzar el objetivo de manera segura al menos el 99 por ciento del tiempo. También lo usaron para mapear una trayectoria segura para un avión evitando múltiples objetos voladores en 3D que tienen tamaños y posiciones inciertos y que podrían moverse con el tiempo mientras los fuertes vientos afectaron su movimiento. Con su sistema, la aeronave alcanzó su área objetivo con un alto grado de probabilidad.

Dependiendo de la complejidad del entorno, los algoritmos necesitaron entre unos segundos y unos minutos para desarrollar una trayectoria segura.

Los investigadores ahora están trabajando en procesos más eficientes que reducirían significativamente el tiempo de ejecución, lo que les permitiría acercarse a los escenarios de planificación en tiempo real, dice Jasour.

Han también está desarrollando controladores de retroalimentación para el sistema que ayudarían al vehículo a mantenerse más cerca de su trayectoria planificada, incluso si a veces se desvía del rumbo óptimo. También está trabajando en una implementación de hardware que permitiría a los investigadores demostrar su técnica en un robot real.

Esta investigación fue parcialmente financiada por Boeing.

Related post

¿Por qué la gobernanza de Kubernetes es fundamental para un entorno próspero nativo de la nube?

¿Por qué la gobernanza de Kubernetes es fundamental para…

Introducción Kubernetes, Docker, Mesos y otras tecnologías nativas de la nube son cada vez más populares entre los desarrolladores y los…
Robot supera la incertidumbre para recuperar objetos enterrados – ScienceDaily

Robot supera la incertidumbre para recuperar objetos enterrados –…

Es bastante fácil para los humanos encontrar una billetera perdida enterrada debajo de una pila de artículos: simplemente retiramos cosas de…
El programa interactivo de los científicos informáticos ayuda a planificar el movimiento para entornos con obstáculos – ScienceDaily

El programa interactivo de los científicos informáticos ayuda a…

Al igual que nosotros, los robots no pueden ver a través de las paredes. A veces necesitan un poco de ayuda…

Leave a Reply

Tu dirección de correo electrónico no será publicada.