Sposób na podążanie w tłumie

fot. pixabay

Roboty asystujące to zazwyczaj mobilne konstrukcje zaprojektowane do pomocy ludziom w centrach handlowych, na lotniskach, w placówkach opieki zdrowotnej, środowisku domowym i wielu innych miejscach. Ich rolą może być, między innymi pomoc użytkownikom w odnalezieniu się w nieznanych środowiskach, na przykład prowadząc ich do określonej lokalizacji lub udostępniając im ważne informacje.

Chociaż możliwości robotów asystujących znacznie rozwinęły się w ciągu ostatniej dekady, systemy wdrażane do tej pory w rzeczywistych środowiskach nie są jeszcze w stanie skutecznie podążać za ludźmi ani prowadzić ich w zatłoczonych przestrzeniach. Szkolenie robotów w celu śledzenia konkretnego użytkownika podczas poruszania się w dynamicznym środowisku charakteryzującym się wieloma losowo przemieszczającymi się obiektami nie jest prostym zadaniem.

Naukowcy z Berlińskiego Instytutu Technologii opracowali niedawno nowy model oparty na uczeniu się przez wzmocnienie, który może umożliwić robotom mobilnym kierowanie określonego użytkownika do pożądanego miejsca lub podążanie za nim podczas przenoszenia jego rzeczy, a wszystko to w zatłoczonym środowisku. Model ten może przyczynić się do znacznego zwiększenia możliwości robotów w centrach handlowych, na lotniskach i w innych miejscach publicznych.

- Zadanie prowadzenia lub podążania za człowiekiem w zatłoczonych środowiskach, takich jak lotniska lub dworce kolejowe jest nadal otwartym problemem - napisali w swoim artykule opublikowanym na łamach arXiv Linh Kästner, Bassel Fatloun, Zhengcheng Shen, Daniel Gawrisch oraz Jens Lambrecht - W takich przypadkach od robota wymaga się nie tylko inteligentnej interakcji z ludźmi, ale także bezpiecznego poruszania się w tłumie.

Kiedy badacze trenowali swój model, włączyli do niego również semantyczne informacje o stanach i zachowaniach użytkowników (np. rozmowę, bieg, itp.). Dzięki temu ich dynamiczny algorytm może podejmować decyzje o tym, jak najlepiej pomóc użytkownikom, poruszając się obok nich w podobnym tempie i bez powodowania kolizji z innymi ludźmi lub pobliskimi przeszkodami.

Aby przetestować skuteczność modelu, naukowcy przeprowadzili serię testów z wykorzystaniem arena-rosnav - dwuwymiarowego środowiska symulacyjnego do szkolenia i oceny algorytmów głębokiego uczenia się. Wyniki testów były bardzo obiecujące.

- Ocenialiśmy nasze nowe podejście w odniesieniu do niewykorzystującego informacji semantycznych i wykazaliśmy zwiększone bezpieczeństwo nawigacji i odporność na zakłócenia środowiskowe - napisali naukowcy w swoim artykule - Ponadto pokazujemy, że model może nauczyć się dostosowywać swoje zachowanie do ludzi, co znacznie poprawia interakcję.

Metoda wydaje się dobrze sprawdzać w symulacjach, więc jego działanie będzie teraz wymagało walidacji przy użyciu fizycznych robotów w środowiskach rzeczywistych. W przyszłości może to utorować drogę do stworzenia bardziej wydajnych robotów asystujących.

(rr)