Teknologi Mutakhir Navigasi Robot | Koran Jakarta
Koran Jakarta | December 9 2019
No Comments

Teknologi Mutakhir Navigasi Robot

Teknologi Mutakhir Navigasi Robot

Foto : istimewa
A   A   A   Pengaturan Font

Insinyur di Amerika Serikat telah mengembangkan metode navigasi pada robot yang tidak memerlukan pemetaan area terlebih dahulu.

Para ilmuwan di Institut Teknologi Massachusetts, Amerika Serikat, berhasil mengembangkan sebuah metode navigasi yang tidak memerlukan pemetaan area terlebih dahulu. Pendekatan baru ini memungkinkan robot untuk menggunakan petunjuk di lingkungannya untuk merencanakan rute ke tujuannya.

Teknik ini dapat dijelaskan dalam istilah lebih umum, seperti ‘pintu depan’ atau ‘garasi’. Tidak hanya koordinat peta. Dalam waktu dekat, robot-robot ini dapat dikirim sebagai perangkat pengiriman jarak jauh untuk mengantarkan pesanan paket makanan Anda, paket barang atau apapun saja langsung di depan pintu rumah Anda.

Selama ini pendekatan standar untuk navigasi robot melibatkan pemetaan area sebelumnya. Selanjutnya menggunakan algoritma untuk memandu robot menuju tujuan tertentu atau koordinat yang ada pada GPS peta.

Meskipun pendekatan ini mungkin masuk akal untuk menjelajahi lingkungan tertentu, tapi akan sulit dalam konteks pengiriman jarak jauh.

Bayangkan, misalnya, harus memetakan terlebih dahulu setiap lingkungan dalam zona pengiriman yanng akan dilalui robot, termasuk konfigurasi setiap rumah di lingkungan itu bersama dengan koordinat spesifik dari pintu depan masing-masing rumah.

Tugas seperti ini menjadi lebih sulit lagi misalnya dalam skala seluruh kota. Apalagi eksterior rumah sering berubah seiring musim. Pemetaan setiap rumah juga dapat memiliki resiko soal masalah keamanan dan privasi.

Sekarang insinyur MIT telah mengembangkan metode navigasi yang tidak memerlukan pemetaan area terlebih dahulu. Sebaliknya, pendekatan mereka memungkinkan robot untuk menggunakan petunjuk di lingkungannya untuk merencanakan rute ke tujuannya.

Misalnya, jika robot diinstruksikan untuk mengirimkan paket ke pintu depan seseorang, maka mungkin akan di mulai di jalan dan melihat jalan masuk kemudian dilatih untuk mengenali kemungkinankemungkinan yang bisa mengarah ke trotoar untuk kemudian mengarah ke pintu depan.

Teknik baru ini mampu mengurangi waktu yang dihabiskan robot untuk menjelajahi properti sebelum mengidentifikasi targetnya, dan itu tidak bergantung pada peta tempat tinggal tertentu.

“Kami tidak ingin membuat peta setiap bangunan yang kami kunjungi,” kata Michael Everett, seorang mahasiswa pascasarjana di Departemen Teknik Mesin MIT. “Dengan teknik ini, kami berharap bisa mengarakan robot di ujung jalan masuk mana pun dan menemukannya.” Kata Everett.

Everett akan mempresentasikan hasil timnya minggu ini di Konferensi Internasional tentang Robot Cerdas. Makalah ini ditulis bersama Jonathan How, profesor aeronautika dan astronotika di MIT, dan Justin Miller dari Ford Motor Company.

Dalam beberapa tahun terakhir, para peneliti telah berupaya memperkenalkan bahasa semantik, alami ke sistem robot, melatih robot untuk mengenali objek dengan label semantik mereka, sehingga mereka dapat secara visual memproses pintu sebagai pintu, misalnya, dan tidak hanya sebagai penghalang solid, persegi panjang.

“Sekarang kami memiliki kemampuan untuk memberi robot rasa tentang apa hal-hal itu, secara real-time,” kata Everett.

Everett dan Miller menggunakan teknik semantik yang sama sebagai batu loncatan untuk pendekatan navigasi baru mereka, yang memanfaatkan algoritma yang sudah ada sebelumnya yang mengekstrak fitur dari data visual untuk menghasilkan peta baru dari adegan yang sama, diwakili sebagai petunjuk semantik, atau konteks.

Dalam kasus mereka, para peneliti menggunakan algoritma untuk membangun peta lingkungan ketika robot bergerak, menggunakan label semantik dari setiap objek dan kedalaman gambar. Algoritma ini disebut SLAM semantik (Lokalisasi dan Pemetaan Simultan).

Sementara algoritma semantik lainnya memungkinkan robot untuk mengenali dan memetakan objek di lingkungan mereka apa adanya, mereka belum mengizinkan robot untuk membuat keputusan saat menavigasi lingkungan baru.

“Sebelumnya, penjelajahan itu adil, letakkan robot di bawah dan katakan ‘pergi,’ dan itu akan bergerak dan akhirnya sampai di sana, tetapi itu akan lambat,” kata Everett.

Para peneliti berupaya mempercepat perencanaan jalur robot melalui dunia semantik, berwarna konteks. Mereka mengembangkan “estimator biaya-untuk-pergi” baru, sebuah algoritma yang mengubah peta semantik yang dibuat oleh algoritma SLAM yang sudah ada menjadi peta kedua, yang mewakili kemungkinan lokasi mana pun yang dekat dengan tujuan.

“Ini terinspirasi oleh terjemahan gambar-ke-gambar, di mana Anda mengambil gambar kucing dan membuatnya terlihat seperti anjing,” kata Everett. Jenis ide yang sama terjadi di sini di mana Anda mengambil satu gambar yang tampak seperti peta dunia, dan mengubahnya menjadi gambar lain yang terlihat seperti peta dunia tetapi sekarang diwarnai berdasarkan seberapa dekat titik-titik yang berbeda dari peta itu pada tujuan.

Peta biaya ini diberi warna dalam skala abu-abu, untuk mewakili wilayah yang lebih gelap sebagai lokasi yang jauh dari tujuan, dan wilayah yang lebih terang sebagai area yang dekat dengan tujuan.

Misalnya, trotoar, diberi kode warna kuning di peta semantik, mungkin diterjemahkan oleh algoritma biaya sebagai wilayah yang lebih gelap di peta baru, dibandingkan dengan jalan masuk, yang semakin terang saat mendekati pintu depan, wilayah terdekat di peta baru.

Para peneliti melatih algoritma baru ini pada gambar satelit dari Bing Maps yang berisi 77 rumah dari satu lingkungan perkotaan dan tiga pinggiran kota.

Sistem mengubah peta semantik menjadi peta biayauntuk- pergi, dan memetakan jalur yang palin yag efisien, mengikuti wilayah yang lebih ringan di peta, ke tujuan akhir.

Untuk setiap citra satelit, Everett menetapkan label dan warna semantik untuk fitur konteks di halaman depan yang khas, seperti abu-abu untuk pintu depan, biru untuk jalan masuk, dan hijau untuk pagar.

“Bagian dari trik pendekatan kami adalah (memberikan sistem) banyak gambar parsial,” Bagaimana menjelaskan. “Jadi itu benar-benar harus mencari tahu bagaimana semua hal ini saling terkait. Itu bagian dari apa yang membuat ini bekerja dengan baik.”

Para peneliti kemudian menguji pendekatan mereka dalam simulasi gambar sebuah rumah yang sama sekali baru, di luar dataset pelatihan, pertama menggunakan algoritma SLAM yang sudah ada sebelumnya untuk menghasilkan peta semantik, kemudian menerapkan penduga baru untuk pergi untuk menghasilkan yang kedua. peta, dan jalur ke tujuan, dalam hal ini, pintu depan.

Teknik cost-to-go baru kelompok ini menemukan pintu depan 189 persen lebih cepat daripada algoritma navigasi klasik, yang tidak memperhitungkan konteks atau semantik, dan malah menghabiskan langkah-langkah berlebihan menjelajahi daerah-daerah yang tidak mungkin mendekati tujuan mereka.

Everett mengatakan hasil ini menggambarkan bagaimana robot dapat menggunakan konteks untuk secara efisien menemukan tujuan, bahkan di lingkungan yang tidak dikenal dan belum dipetakan.

“Bahkan jika robot mengirimkan paket ke lingkungan yang belum pernah dikunjungi, mungkin ada petunjuk yang akan sama dengan tempat lain yang dilihatnya,” kata Everett. “Jadi dunia mungkin ditata sedikit berbeda, tetapi mungkin ada beberapa kesamaan,” tambah Everett. nik/ berbagai sumber/E-6

 

Klik untuk print artikel
No comments for this article. Be the first to comment to this article.

Submit a Comment