Ingrid Fadelli , Phys.org

Lisa Lock tərəfindən redaktə edilmişdir , Andrew Zinin tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriLabirint kimi mühitlərdə naviqasiya edən ayaqlı robotların iştirak etdiyi təcrübələr. Kredit: Science Robotics (2025). DOI: 10.1126/scirobotics.ads4551

Robotların daha geniş real dünya parametrlərində uğurla təqdim edilməsi üçün onlar sürətlə dəyişən mühitlərdə təhlükəsiz və etibarlı şəkildə hərəkət edə bilməlidirlər. Robotistlər və kompüter alimləri son onilliklər ərzində robotların naviqasiyası üçün geniş spektrli hesablama texnikalarını təqdim etsələr də, onların bir çoxunun dinamik, səliqəsiz və ya dar yollarla xarakterizə olunan mühitlərdə zəif performans göstərdiyi aşkar edilmişdir.

Çinin Zhejiang Universitetinin bir hissəsi olan Huzhou İnstitutunun tədqiqatçıları bu yaxınlarda dərin neyron şəbəkəsi və klassik optimallaşdırma üsullarına əsaslanan robot naviqasiyasına yeni yanaşma təqdim ediblər. “Science Robotics” jurnalında dərc olunan məqalədə qeyd olunan onların təklif etdiyi yanaşma, insanların yol tapmaq imkanlarını süni şəkildə təkrarlamaq üçün nəzərdə tutulub.

“Bizim motivasiyamız sadə idi: robotların holonomik olmayan məhdudiyyətlərinə riayət etməklə özbaşına mürəkkəb mühitlərdə möhkəm işləyə bilən trayektoriya planlayıcısı hazırlamaq”, – məqalənin ilk müəllifi Zhichao Han Tech Xplore-a bildirib.

“Biz insan mülahizələrindən ilham aldıq, xüsusən də, həll həmişə optimal və ya tamamilə təhlükəsiz olmasa belə, insanların mürəkkəb mühitlərdə kobud yolu intuitiv olaraq bir baxışda necə müəyyən edə biləcəyindən ilham aldıq. Bunu təqlid etmək üçün biz bu prosesi təxmin edən yüngül neyron şəbəkəsi tətbiq etdik.”

Süni neyron şəbəkələrinin müxtəlif tapşırıqlarda yaxşı performans göstərdiyi aşkar edilsə də, onların proqnozlarını şərh etmək çox vaxt çətindir. Üstəlik, bu şəbəkələrə əsaslanan bir çox üsullar geniş ssenarilər üzrə yaxşı ümumiləşdirilmir.Oyna

00:00

00:39SəssizParametrlərPIPTam ekrana daxil olun

Bu məhdudiyyətləri aradan qaldırmaq üçün Han və onun həmkarları dərin neyron şəbəkəsini yeni işlənmiş məkan-zaman trayektoriyasının optimallaşdırıcısı ilə birləşdirdilər. Bu, nəticədə onlara neyron şəbəkənin yaratdığı trayektoriyaları və yolları daha da dəqiqləşdirməyə imkan verdi.

“Bizim iyerarxik planlaşdırma çərçivəmiz iki əsas məqsədi həll etmək üçün hazırlanmışdır” dedi Han. “Birincisi, ilkin yolun planlaşdırılması mərhələsi üçün öyrənməyə əsaslanan yanaşmalardan istifadə etməklə, biz ətraf mühitdən keçərək mümkün marşrutu “dərhal” qavramaq üçün insana bənzər qabiliyyəti təkrarlamağı hədəfləyirik. Bu, planlaşdırma vaxtlarının sabit və proqnozlaşdırıla bilən olmasını təmin edir.”

Komandanın təklif etdiyi çərçivənin ikinci məqsədi neyron şəbəkələri tərəfindən yaradılan ilkin yolların həqiqi robotlar tərəfindən yerinə yetirilə bilən hamar hərəkət əmrlərinə çevrilməsini təmin etməkdir. Bunun üçün çərçivə xüsusi olaraq trayektoriyaları və yolları təkmilləşdirməyə yönəlmiş ədədi optimallaşdırma üsullarına əsaslanır.

“Əsas ideya keçmiş təcrübənin yolun planlaşdırılmasında mühüm rol oynadığı insan planlaşdırma prosesini təqlid etməkdir” deyə Han izah etdi. “Eyni şəkildə, bizim alqoritmimiz bu əvvəlki bilikləri şəbəkəyə köçürərək, ekspert nümayişlərinin böyük verilənlər bazasından öyrənir.

“Əsas komponentlərdən biri odur ki, neyron planlayıcısı ətraf mühitin təsviri ilə birbaşa eyni görüntü domenində işləyir ki, bu da həm təlimi xeyli sürətləndirir, həm də konvergensiya performansını artırır. İntuitiv olaraq, bir insandan xəritədə yol çəkməyi xahiş etsəniz, bu, sadədir; kiminsə dəqiq koordinat nöqtələrini təqdim etməsini istəmək daha az intuitivdir.”Böyük miqyaslı sabit qanadlı naviqasiya təcrübələri. Kredit: Science Robotics (2025). DOI: 10.1126/scirobotics.ads4551

Han və onun həmkarları tərəfindən işlənib hazırlanmış yol tapma yanaşması, əvvəllər təqdim edilmiş neyron şəbəkə əsaslı metodlarla müqayisədə zamanla əhəmiyyətli dərəcədə daha sabitdir. İlkin sınaqlarda, müəyyən edilmiş mühitin mürəkkəbliyindən asılı olmayaraq, sabit və proqnozlaşdırıla bilən müddət ərzində robotlar üçün etibarlı çıxış yolları tapıldı.

Bu, əhəmiyyətli bir üstünlükdür, çünki bir çox ənənəvi planlaşdırma üsulları geniş onlayn axtarışlar yerinə yetirməlidir ki, bu da dinamik və ya çətin mühitlərdə yol tapmaq prosesini gecikdirə və nəticədə robotun naviqasiyasını ləngidə bilər.

“Biz klassik ədədi optimallaşdırmanı dərin neyron şəbəkələri ilə effektiv şəkildə birləşdirdik, onların zəif tərəflərini azaldarkən onların güclü tərəflərindən istifadə etdik” dedi Han. “Dərin şəbəkələr yüksək səmərəlidir, lakin tamlıq zəmanəti yoxdur, klassik üsullar isə tamdır, lakin onların performansı inisializasiyadan asılıdır. Hər ikisini inteqrasiya etməklə sistemimiz çətin mühitlərdə sabit və yüksək keyfiyyətli məkan-zaman trayektoriyasının yaradılmasına nail olur.”

Bu tədqiqatçılar qrupu tərəfindən təqdim edilən yol tapmaq yanaşması tezliklə müxtəlif robot platformalarından istifadə edərək daha çox təcrübələrdə sınaqdan keçirilə bilər. Gələcəkdə o, robotların axtarış-xilasetmə əməliyyatları, logistik tapşırıqlar və dinamik mühitlərin kəşfiyyatı da daxil olmaqla müxtəlif mürəkkəb missiyaların öhdəsindən gəlmək qabiliyyətini təkmilləşdirmək üçün istifadə oluna bilər.

“İrəli gedərək, biz simulyasiya sədaqətini daha da təkmilləşdirmək və qavrayış möhkəmliyini artırmaqla simdan reallığa ötürmə probleminin öhdəsindən gəlməyi planlaşdırırıq” dedi Han. “Məqsədimiz robotların müxtəlif və mürəkkəb real dünya mühitlərində təhlükəsiz, etibarlı və proqnozlaşdırıla bilən şəkildə işləyə bilməsini təmin etməkdir – nəticədə insanın gündəlik həyatına və sənaye tətbiqlərinə mükəmməl inteqrasiyaya nail olmaqdır.”

Müəllifimiz İnqrid Fadelli tərəfindən sizin üçün yazılmış , Liza Lok tərəfindən redaktə edilmiş və Endryu Zinin tərəfindən yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu hesabat sizin üçün əhəmiyyət kəsb edirsə, lütfən, ianə (xüsusilə aylıq) nəzərdən keçirin. Siz təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Daha çox məlumat: Zhichao Han et al, Mürəkkəb mühitlərdə sabitlik ilə avtomobilin trayektoriyasını iyerarxik şəkildə təsvir etmək, Science Robotics (2025). DOI: 10.1126/scirobotics.ads4551

Jurnal məlumatı: Science Robotics