Sistem AI Duke University Memberi Robot Penginderaan Mirip Manusia untuk Navigasi yang Lebih Aman
Universitas Duke, Durham, Carolina Utara
WildFusion menggunakan kombinasi penglihatan, sentuhan, suara, dan keseimbangan untuk membantu robot berkaki empat menavigasi medan sulit seperti hutan lebat dengan lebih baik. (Gambar:Universitas Duke)
Kekayaan informasi yang diberikan oleh indera kita yang memungkinkan otak kita menavigasi dunia di sekitar kita sungguh luar biasa. Sentuhan, penciuman, pendengaran, dan rasa keseimbangan yang kuat sangat penting untuk melewati lingkungan yang bagi kita tampak mudah seperti berjalan-jalan santai di pagi akhir pekan.
Pemahaman bawaan tentang kanopi di atas kepala membantu kita mengetahui ke mana arah jalan setapak. Cabang-cabang yang patah atau bantalan lumut yang lembut memberi tahu kita tentang kestabilan pijakan kita. Gemuruh pohon tumbang atau dahan menari tertiup angin kencang membuat kita mengetahui potensi bahaya di sekitar.
Sebaliknya, robot sudah lama hanya mengandalkan informasi visual seperti kamera atau LiDAR untuk bergerak di dunia. Di luar Hollywood, navigasi multisensor telah lama menjadi tantangan bagi mesin. Hutan, dengan keindahan semak belukar yang lebat, batang kayu yang tumbang, dan medan yang selalu berubah, merupakan labirin ketidakpastian bagi robot tradisional.
Kini, para peneliti dari Duke University telah mengembangkan kerangka kerja baru bernama WildFusion yang menggabungkan penglihatan, getaran, dan sentuhan untuk memungkinkan robot “merasakan” lingkungan luar ruangan yang kompleks seperti yang dilakukan manusia.
“WildFusion membuka babak baru dalam navigasi robotik dan pemetaan 3D,” kata Boyuan Chen, Asisten Profesor Keluarga Dickinson bidang Teknik Mesin dan Ilmu Material, Teknik Listrik dan Komputer, dan Ilmu Komputer di Duke University. “Ini membantu robot untuk beroperasi dengan lebih percaya diri di lingkungan yang tidak terstruktur dan tidak dapat diprediksi seperti hutan, zona bencana, dan medan off-road.”
“Robot pada umumnya sangat bergantung pada penglihatan atau LiDAR saja, yang sering kali terputus-putus tanpa jalur yang jelas atau penanda yang dapat diprediksi,” tambah Yanbaihui Liu, penulis utama mahasiswa dan mahasiswa Ph.D tahun kedua. mahasiswa di Lab Robotika Umum Chen. “Bahkan metode pemetaan 3D yang canggih pun kesulitan merekonstruksi peta berkelanjutan ketika data sensor jarang, berisik, atau tidak lengkap, yang merupakan masalah yang sering terjadi di lingkungan luar ruangan yang tidak terstruktur. Itulah tantangan yang dirancang untuk dipecahkan oleh WildFusion.”
WildFusion, dibangun di atas robot berkaki empat, mengintegrasikan berbagai modalitas penginderaan, termasuk kamera RGB, LiDAR, sensor inersia, dan, khususnya, mikrofon kontak dan sensor sentuhan. Seperti pendekatan tradisional, kamera dan LiDAR menangkap geometri lingkungan, warna, jarak, dan detail visual lainnya. Yang membuat WildFusion istimewa adalah penggunaan getaran dan sentuhan akustik.
Saat robot berjalan, mikrofon kontak merekam getaran unik yang dihasilkan oleh setiap langkah, menangkap perbedaan halus, seperti suara gemeretak daun kering versus cipratan lumpur yang lembut. Sementara itu, sensor sentuhan mengukur seberapa besar gaya yang diterapkan pada setiap kaki, membantu robot merasakan stabilitas atau kelicinan secara real time. Indra tambahan ini juga dilengkapi dengan sensor inersia yang mengumpulkan data akselerasi untuk menilai seberapa banyak robot bergoyang, terlempar, atau berguling saat melintasi permukaan tanah yang tidak rata.
Setiap jenis data sensorik kemudian diproses melalui pembuat enkode khusus dan digabungkan menjadi satu representasi yang kaya. Inti dari WildFusion adalah model pembelajaran mendalam yang didasarkan pada gagasan representasi saraf implisit. Tidak seperti metode tradisional yang memperlakukan lingkungan sebagai kumpulan titik-titik yang terpisah, pendekatan ini memodelkan permukaan dan fitur yang kompleks secara terus-menerus, sehingga memungkinkan robot membuat keputusan yang lebih cerdas dan intuitif tentang ke mana harus melangkah, bahkan ketika penglihatannya terhalang atau ambigu.
“Anggap saja seperti memecahkan teka-teki yang beberapa bagiannya hilang, namun Anda dapat secara intuitif membayangkan gambaran keseluruhannya,” jelas Chen. “Pendekatan multimoda WildFusion memungkinkan robot 'mengisi kekosongan' ketika data sensor jarang atau berisik, seperti yang dilakukan manusia.”
WildFusion diuji di Eno River State Park di North Carolina dekat kampus Duke, dan berhasil membantu robot menavigasi hutan lebat, padang rumput, dan jalur berkerikil. “Menyaksikan robot dengan penuh percaya diri menavigasi medan sungguh sangat bermanfaat,” Liu berbagi.
“Pengujian di dunia nyata ini membuktikan kemampuan WildFusion yang luar biasa dalam memprediksi kemampuan traversabilitas secara akurat, sehingga secara signifikan meningkatkan pengambilan keputusan robot di jalur yang aman melalui medan yang menantang,” kata Liu.
Ke depan, tim berencana untuk memperluas sistem dengan memasukkan sensor tambahan, seperti detektor termal atau kelembapan, untuk lebih meningkatkan kemampuan robot dalam memahami dan beradaptasi dengan lingkungan yang kompleks. Dengan desain modularnya yang fleksibel, WildFusion menyediakan aplikasi potensial yang luas di luar jalur hutan, termasuk tanggap bencana di medan yang tidak dapat diprediksi, inspeksi infrastruktur terpencil, dan eksplorasi otonom. “Salah satu tantangan utama robotika saat ini adalah mengembangkan sistem yang tidak hanya bekerja dengan baik di laboratorium tetapi juga dapat berfungsi dengan baik di dunia nyata,” kata Chen. “Itu berarti robot yang bisa beradaptasi, mengambil keputusan, dan terus bergerak.”
Untuk informasi lebih lanjut, hubungi Boyuan Chen di Alamat email ini dilindungi dari robot spam. Anda perlu mengaktifkan JavaScript untuk melihatnya..
