Lokalisasi LiDAR 3D Tingkat Lanjut Meningkatkan Akurasi Pemosisian Robot

Universidad Miguel Hernández de Elche, Spanyol

Beginilah cara robot “melihat” sekelilingnya menggunakan sistem yang dikembangkan di UMH. Representasi point cloud LiDAR 3D memungkinkan ekstraksi fitur struktural global dan lokal untuk memperkirakan pose robot — posisi dan orientasinya yang tepat di ruang angkasa. (Gambar:Universitas Miguel Hernández de Elche)

Robot seluler harus terus memperkirakan posisinya agar bisa bernavigasi secara mandiri. Namun, sistem navigasi berbasis satelit tidak selalu dapat diandalkan:sinyal mungkin melemah di dekat gedung atau tidak tersedia di dalam ruangan. Untuk beroperasi dengan aman dan efisien, robot harus menafsirkan lingkungannya menggunakan sensor bawaan dan algoritma lokalisasi yang kuat.

Para peneliti di Miguel Hernández University of Elche (UMH) di Spanyol telah mengembangkan sistem lokalisasi hierarki yang secara signifikan meningkatkan posisi robot di lingkungan yang besar dan terus berubah. Metode ini mengatasi salah satu masalah paling menantang dalam robotika bergerak:masalah yang disebut dengan “robot yang diculik”, yaitu robot yang kehilangan pengetahuan tentang pose awalnya setelah dipindahkan, dimatikan, atau dipindahkan.

Studi ini dipublikasikan di International Journal of Intelligent Systems , memperkenalkan MCL-DLF (Monte Carlo Localization – Deep Local Feature), kerangka kerja lokalisasi LiDAR 3D kasar hingga halus yang dirancang untuk navigasi jangka panjang di lingkungan besar. Sistem ini telah divalidasi selama beberapa bulan di kampus UMH Elche dalam berbagai kondisi lingkungan, termasuk skenario dalam dan luar ruangan.

Pendekatan yang diusulkan meniru cara manusia mengorientasikan diri mereka di lingkungan asing atau lingkungan yang berubah. Pertama, robot melakukan langkah lokalisasi kasar, mengidentifikasi perkiraan wilayah berdasarkan fitur struktural global yang diekstraksi dari awan titik LiDAR 3D, seperti bangunan atau vegetasi.

Setelah wilayah ini dipersempit, sistem akan melakukan lokalisasi yang baik, menganalisis fitur lokal secara mendetail untuk memperkirakan posisi dan orientasi robot secara tepat.

“Ini mirip dengan bagaimana orang pertama-tama mengenali suatu area umum dan kemudian mengandalkan detail kecil yang dapat membedakan untuk menentukan lokasi tepatnya,” jelas peneliti UMH Míriam Máximo, penulis utama studi tersebut. Pekerjaan ini disutradarai oleh Mónica Ballesta dan David Valiente, juga peneliti di Engineering Research Institute of Elche (I3E) UMH. Untuk menghindari ambiguitas dalam lingkungan yang serupa secara visual, metode ini mengintegrasikan teknik pembelajaran mendalam yang secara otomatis mengekstrak fitur lokal yang diskriminatif dari point cloud 3D.

Daripada mengandalkan aturan yang telah ditentukan sebelumnya, robot ini mempelajari karakteristik lingkungan mana yang paling informatif untuk lokalisasi. Fitur-fitur yang dipelajari ini digabungkan dengan Lokalisasi Monte Carlo probabilistik, yang mempertahankan beberapa hipotesis pose dan memperbaruinya saat data sensor baru diterima.

Tantangan utama dalam navigasi robot jangka panjang adalah variabilitas lingkungan. Ruang luar ruangan berubah seiring waktu karena perubahan musim, pertumbuhan vegetasi, atau perbedaan pencahayaan, yang dapat mengubah tampilan secara signifikan.

Para peneliti melaporkan bahwa MCL-DLF mencapai akurasi posisi yang lebih tinggi dibandingkan pendekatan konvensional dengan tetap mempertahankan perkiraan orientasi yang sebanding atau unggul dalam lintasan tertentu. Yang penting, sistem ini menunjukkan variabilitas yang lebih rendah sepanjang waktu, sehingga menegaskan ketahanannya terhadap perubahan musiman dan struktural.

Lokalisasi yang andal merupakan hal mendasar untuk robotika layanan, otomatisasi logistik, inspeksi infrastruktur, pemantauan lingkungan, dan kendaraan otonom. Di semua domain ini, pengoperasian yang aman bergantung pada estimasi posisi yang stabil dan tepat dalam kondisi dinamis dan dunia nyata.

Meskipun navigasi yang sepenuhnya otonom tetap menjadi tantangan utama dalam bidang robotika, upaya ini membawa robot lebih dekat untuk dapat beroperasi dengan andal di lingkungan yang luas dan terus berubah tanpa infrastruktur penentuan posisi eksternal.

Untuk informasi lebih lanjut, hubungi Angeles Gallar di Alamat email ini dilindungi dari robot spam. Anda perlu mengaktifkan JavaScript untuk melihatnya.; +34 965-222-569.