Los algoritmos de planificación para equipos de robots se dividen en dos categorías: algoritmos centralizados, en los que una sola computadora toma decisiones para todo el equipo, y algoritmos descentralizados, en los que cada robot toma sus propias decisiones basadas en observaciones locales.
Con los algoritmos centralizados, si la computadora central se desconecta, todo el sistema se desmorona. Los algoritmos descentralizados manejan mejor la comunicación errática, pero son más difíciles de diseñar, porque cada robot esencialmente está adivinando qué harán los demás. La mayoría de las investigaciones sobre descentralizadoalgoritmos se ha centrado en hacer que la toma de decisiones colectiva sea más confiable y ha diferido el problema de evitar obstáculos en el entorno de los robots.
En la Conferencia Internacional sobre Robótica y Automatización en mayo, los investigadores del MIT presentarán un nuevo algoritmo de planificación descentralizado para equipos de robots que tiene en cuenta no solo obstáculos estacionarios, sino también obstáculos móviles. El algoritmo también requiere significativamente menos ancho de banda de comunicaciones que el existentealgoritmos descentralizados, pero conserva fuertes garantías matemáticas de que los robots evitarán colisiones.
En las simulaciones que involucran escuadrones de minihelicopters, el algoritmo descentralizado ideó los mismos planes de vuelo que una versión centralizada. Los drones generalmente conservaron una aproximación de su formación preferida, un cuadrado a una altitud fija, aunque para acomodar los obstáculos, el cuadradorotó y las distancias entre los drones se contrajeron. Ocasionalmente, sin embargo, los drones volaban una sola fila o asumían una formación en la que pares de ellos volaban a diferentes altitudes.
"Es un resultado realmente emocionante porque combina tantos objetivos desafiantes", dice Daniela Rus, profesora Andrew y Erna Viterbi en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT y directora del Laboratorio de Ciencias de la Computación e Inteligencia Artificial, cuyo grupo desarrollóel nuevo algoritmo ". Su grupo de robots tiene un objetivo local, que es mantenerse en formación, y un objetivo global, que es a dónde quieren ir o la trayectoria a lo largo de la cual quieren que se muevan. Y les permiten operaren un mundo con obstáculos estáticos pero también obstáculos dinámicos inesperados, y tiene la garantía de que van a mantener sus objetivos locales y globales. Tendrán que hacer algunas desviaciones, pero esas desviaciones son mínimas ".
Rus se une en el documento por el primer autor Javier Alonso-Mora, un postdoctorado en el grupo de Rus; Mac Schwager, profesor asistente de aeronáutica y astronáutica en la Universidad de Stanford que trabajó con Rus como estudiante de doctorado en ingeniería mecánica del MIT; yEduardo Montijano, profesor del Centro Universitario de la Defensa en Zaragoza, España.
regiones comerciales
En un algoritmo de planificación de grupo descentralizado típico, cada robot podría transmitir sus observaciones del entorno a sus compañeros de equipo, y todos los robots ejecutarían el mismo algoritmo de planificación, presumiblemente sobre la base de la misma información.
Pero Rus, Alonso-Mora y sus colegas encontraron una manera de reducir las cargas computacionales y de comunicación impuestas por la planificación consensuada. La idea esencial es que cada robot, sobre la base de sus propias observaciones, traza un mapa sin obstáculosregión en su entorno inmediato y pasa ese mapa solo a sus vecinos más cercanos. Cuando un robot recibe un mapa de un vecino, calcula la intersección de ese mapa con el suyo y lo pasa.
Esto reduce tanto el tamaño de las comunicaciones de los robots - describir la intersección de 100 mapas no requiere más datos que describir la intersección de dos - y su número, porque cada robot se comunica solo con sus vecinos. Sin embargo, cada robottermina con un mapa que refleja todos los obstáculos detectados por todos los miembros del equipo.
Cuatro dimensiones
Sin embargo, los mapas no tienen tres dimensiones, sino cuatro: el cuarto es el tiempo. Así es como el algoritmo explica los obstáculos en movimiento. El mapa de cuatro dimensiones describe cómo un mapa tridimensional tendría que cambiar para acomodar el obstáculocambio de ubicación, en un lapso de unos pocos segundos. Pero lo hace de una manera matemáticamente compacta.
El algoritmo asume que los obstáculos en movimiento tienen una velocidad constante, lo que no siempre será el caso en el mundo real. Pero cada robot actualiza su mapa varias veces por segundo, un período de tiempo lo suficientemente corto como para que la velocidad de un objeto acelerado seaes poco probable que cambie dramáticamente.
Sobre la base de su último mapa, cada robot calcula la trayectoria que maximizará tanto su objetivo local, mantenerse en formación, como su objetivo global.
Los investigadores también están probando una versión de su algoritmo en robots con ruedas cuyo objetivo es transportar colectivamente un objeto a través de una habitación donde los seres humanos también se mueven, como una simulación de un entorno en el que humanos y robots trabajan juntos.
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de Massachusetts . Original escrito por Larry Hardesty. Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :