Crédito: Salam & Hsieh.
Los equipos de varios robots podrían ayudar a resolver muchos problemas complejos del mundo real, como ayudar a los agentes humanos en misiones de búsqueda y rescate, monitorear el medio ambiente o evaluar los daños causados por desastres naturales. En los últimos años, los sistemas de múltiples robots han demostrado ser particularmente útiles para resolver problemas de distribución en el espacio o en el tiempo (es decir, permitir que los agentes viajen largas distancias o monitoreen procesos en el tiempo).
Los científicos del laboratorio GRASP de la Universidad de Pensilvania desarrollaron recientemente estructura lo que permite a los equipos de robots modelar procesos ambientales a lo largo del tiempo. Este marco, presentado en un artículo publicado anteriormente en arXiv, tiene el potencial de aprovechar muchassistemas de robot predecir la evolución de fenómenos complejos, dinámicos y no lineales como los incendios forestales, la invasión de insectos o la propagación de contaminantes.
“Proponemos una estrategia combinada en la que un tipo de robots recopilan mediciones de alta precisión en una escala de tiempo lenta, y otro tipo de robots recopilan mediciones de baja fidelidad en una escala de tiempo rápida para vincular las mediciones”, Tahiya Salam y M. Ani Hsieh escribió en su artículo.
El marco desarrollado por los investigadores implica el uso de dos conjuntos de robots con diferentes patrones de movimiento y capacidades de detección (por ejemplo, robots aéreos, terrestres y marinos). Como algunos procesos ambientales pueden ser complejos y multidimensionales, estos conjuntos de robots pueden estudiar diferentes dimensiones y recopilar diferentes medidas.
El marco de trabajo de los investigadores combina mediciones recopiladas por dos equipos separados de robots para crear un modelo de procesos de espacio-tiempo complejos y no lineales. Este modelo se puede utilizar para identificar ubicaciones de detección óptimas para robots móviles y predecir el desarrollo o la evolución de los procesos ambientales a lo largo del tiempo.
“El marco presentado permite la separación de los modos temporal y espacial vistos en los datos”, escribieron los investigadores en el documento. “Este desacoplamiento se aplica luego en la asignación de tareas a diferentes tipos de robots. En lugar de depender de enfoques estándar para asignar características típicas de marcos de robot heterogéneos, este enfoque utiliza las fortalezas únicas de los robots para realizar una tarea en conjunto. “
Salam y Hsieh evaluaron su marco en una serie de experimentos de realidad mixta. Primero, evaluaron su capacidad para predecir la evolución de una nube de plasma artificial. Para hacer esto, crearon un entorno simulado que replica una nube de plasma cerca de la Tierra. Luego introdujeron cuatro robots marinos y dos aviones en el entorno simulado para recopilar varias mediciones y estimaciones relacionadas con la evolución de la nube.
Los científicos utilizaron su marco para crear un modelo que combinaba las mediciones recopiladas por embarcaciones aéreas y marítimas simuladas. Luego compararon las predicciones de este modelo con las basadas en mediciones recopiladas por un solo tipo de robots.
“El enfoque heterogéneo propuesto inicialmente funciona de manera comparable utilizando solo datos homogéneos de vehículos marinos”, escribieron los investigadores en el documento. “Los datos de aeronaves homogéneos son ruidosos y se recopilan con una resolución espacial mucho menor que el proceso real. A medida que el proceso se vuelve más complejo, la inclusión de múltiples tipos de datos permite que el enfoque propuesto supere a cualquiera de las otras estimaciones ”.
Para evaluar con mayor precisión su rendimiento, los científicos evaluaron la capacidad de su marco para modelar la densidad de otra nube de plasma artificial proyectada dentro de un depósito de agua real. En este experimento, recopilaron mediciones utilizando tres verdaderos vehículos de superficie micro autónomos (mASV), un mASV simulado y dos aviones simulados.
En conjunto, las pruebas realizadas por Salam y Hsieh destacan las ventajas de fusionar las medidas recogidas por diferentes tipos de robots para Modelo Procesos ambientales complejos, en lugar de utilizar mediciones recopiladas por un tipo. robot. En el futuro, su marco podría permitir a los científicos crear mapas o modelos unificados de diferentes entornos, por ejemplo, utilizando robots aéreos y marinos para mapear conjuntamente factores como la temperatura o las corrientes oceánicas.
Equipos heterogéneos de robots para modelar y predecir procesos ambientales multiescala. arXiv: 2103.10383 [cs.RO]. arxiv.org/abs/2103.10383
© 2021 Science X Network