Как беспилотник может перемещаться в лесу, не сталкиваясь с деревьями? Как робот может взять болт и вставить его в деталь, не сместив ни один из объектов, перемещающихся по конвейеру? Наша способность находить решение этой проблемы связана с планированием движения, которое будет иметь решающее значение для создания нового поколения роботов, способных действовать в произвольной окружающей среде.
На первый взгляд, планирование движения кажется простым. Ведь вы делаете это постоянно, даже не замечая! Вам не нужно осознанно думать о том, как маневрировать рукой, чтобы достать банку с напитком из задней части переполненного холодильника, ничего не уронив при этом. Вы делаете это автоматически. К сожалению, процесс планирования движения является примером именно той задачи, которая легко решается людьми, но оказалась затруднительной для компьютеров. В большинстве случаев, современным машинным системам планирования движения может потребоваться для решения этой задачи до нескольких секунд.
Основной проблемой является обнаружение и преодоление препятствий. По мере генерации новых маршрутов перемещения, робот должен контролировать вероятность столкновения с объектами в окружающей среде. Современные планировщики движения генерируют тысячи или даже миллионы коротких перемещений, которые совместно образуют полный цикл движения, контролируемый на вероятность столкновения.
Однако человеческий мозг редко рассчитывает действия последовательно, одно за другим. Он может выполнять массированную параллельную обработку, то есть использовать огромное количество нейронов, чтобы одновременно и параллельно решать сложные вычислительные задачи. Исследователи из Университета Дьюка в США решили применить подобный подход путем создания специального процессора с использованием вместо нейронов огромного количества цепей, которые могут действовать параллельно. Цепи процессора выполняют параллельную обработку вероятности столкновений.
Новый подход основан на методе планирования движений, называемом дорожной картой. Планирование движений робота с использованием дорожной карты аналогично планированию дорожной поездки с использованием географической карты, в которой площади города связаны друг с другом через улицы. В такой поездке вы стремитесь найти маршрут от начальной точки к месту назначения, выбирая самую короткую последовательность доступных для перемещения улиц.
В методе дорожной карты для робота каждая площадь является позицией робота (скажем, позиция манипулятора). А каждая улица, которая соединяет две площади, представляет собой движение робота между двумя позициями. Планирование движения предполагает нахождение пути от начальной позиции к цели, не сталкиваясь с препятствиями, которые могут быть рядом.
Типичные алгоритмы планирования движения строят дорожные карты с несколькими десятками тысяч или даже сотен тысяч возможных позиций робота. Большие дорожные карты работают лучше, но они требуют больше вычислений, потому что каждое движение должно быть одновременно проверено на возможность столкновений в окружающей среде.
Для создания дорожной карты с тысячами движений прежние методы на обычных процессорах требовали несколько секунд и десятки ватт потребляемой энергии. Даже высокопроизводительные графические процессоры работали около секунды и потребляли более сотни ватт. Новый процессор выполняет планирование движения менее чем за 100 мкс с использованием менее 10 Вт энергии.
Повышенные производительность и энергоэффективность открывают много новых возможностей для роботов и автономных транспортных средств. Например, ваш домашний робот в будущем сможет сделать для вас завтрак, даже если молоко не всегда находится в одном и том же месте, и даже если оно находится в холодильнике, c которым абсолютно не были знакомы конструкторы робота. Беспилотные автомобили смогут объехать внезапно появляющиеся препятствия, такие как коробка, выпадающая из кузова движущегося впереди грузовика. При этом, принимая во внимание все возможные передвижения других автомобилей на дороге.
Может оказаться так, что роботам будущего не понадобятся мощные компьютеры для управления. Они будут больше похожи на машины со множеством электрических цепей специального назначения в системе управления, оптимизированной для решения вычислительных задач в процессе зондирования и перемещения. Точно также, как это делает головной мозг.
Комментарии
(0) Добавить комментарий