Το SANDO είναι ένα νέο σύστημα αυτόνομης πλοήγησης που αναπτύχθηκε από ερευνητές του MIT με στόχο ένα από τα δυσκολότερα προβλήματα στη ρομποτική: πώς ένα drone μπορεί να κινηθεί γρήγορα σε ένα άγνωστο περιβάλλον, αποφεύγοντας όχι μόνο σταθερά αλλά και κινούμενα εμπόδια.
Το σύστημα σχεδιάζει σε πραγματικό χρόνο την πορεία ενός UAV και επαναϋπολογίζει συνεχώς τη διαδρομή του καθώς το περιβάλλον αλλάζει. Το σημαντικότερο στοιχείο είναι ότι οι ερευνητές δεν περιορίζονται σε μια πιθανότητα αποφυγής σύγκρουσης, αλλά προσφέρουν μαθηματική εγγύηση ότι η υπολογισμένη τροχιά παραμένει χωρίς συγκρούσεις, εφόσον τηρούνται οι βασικές παραδοχές του μοντέλου.
Γιατί τα κινούμενα εμπόδια είναι τόσο δύσκολο πρόβλημα
Τα σημερινά συστήματα trajectory planning μπορούν να λειτουργήσουν πολύ καλά όταν το περιβάλλον είναι ήδη χαρτογραφημένο ή όταν τα εμπόδια παραμένουν σταθερά.
Η κατάσταση αλλάζει δραματικά όταν ένα drone εισέρχεται σε έναν χώρο που δεν γνωρίζει και ταυτόχρονα πρέπει να αντιμετωπίσει αντικείμενα που κινούνται απρόβλεπτα.
Ένα μονοπάτι που είναι ασφαλές τη στιγμή που υπολογίζεται μπορεί μέσα σε κλάσματα του δευτερολέπτου να γίνει επικίνδυνο.
Σε μια επιχείρηση διάσωσης, για παράδειγμα, ένα drone μπορεί να χρειαστεί να κινηθεί μέσα σε κατεστραμμένο κτίριο, δάσος ή βιομηχανικό χώρο, όπου άνθρωποι, συντρίμμια ή άλλα αντικείμενα αλλάζουν συνεχώς θέση.
Το SANDO, από τα αρχικά Safe Autonomous Trajectory Planning for Dynamic Unknown Environments, σχεδιάστηκε ακριβώς για τέτοιες συνθήκες.
Ένας διάδρομος ασφαλείας που αλλάζει με τον χρόνο
Η βασική ιδέα του SANDO είναι η δημιουργία ενός spatiotemporal safe flight corridor.
Πρόκειται για μια σειρά περιοχών μέσα στον τρισδιάστατο χώρο όπου επιτρέπεται να κινηθεί το drone. Η διαφορά σε σχέση με παλαιότερες προσεγγίσεις είναι ότι αυτός ο διάδρομος δεν εξετάζει μόνο το πού βρίσκεται ένα εμπόδιο αλλά και το πού θα μπορούσε να βρεθεί λίγα δευτερόλεπτα αργότερα.
Για κάθε κινούμενο αντικείμενο, το σύστημα υπολογίζει το μέγιστο διάστημα που θα μπορούσε να καλύψει μέσα σε συγκεκριμένο χρόνο.
Αν, για παράδειγμα, γνωρίζει το μέγιστο δυνατό όριο ταχύτητας ενός εμποδίου, δημιουργεί γύρω του μια περιοχή που περιλαμβάνει όλες τις θέσεις στις οποίες θα μπορούσε θεωρητικά να μετακινηθεί.
Στη συνέχεια σχεδιάζει την πορεία του drone έξω από αυτές τις περιοχές.
Heat map για τις πιο επικίνδυνες περιοχές
Το σύστημα χρησιμοποιεί επίσης έναν planner βασισμένο σε heat map.
Οι περιοχές με υψηλή συγκέντρωση εμποδίων χαρακτηρίζονται ως περισσότερο επικίνδυνες και το SANDO επιχειρεί να οδηγήσει το drone μακριά από αυτές πριν ακόμη φτάσει στο στάδιο της λεπτομερούς βελτιστοποίησης της τροχιάς.
Αφού δημιουργηθεί ο ασφαλής διάδρομος, το σύστημα αναζητά την ταχύτερη δυνατή πορεία προς τον στόχο, διατηρώντας ταυτόχρονα αυστηρούς περιορισμούς αποφυγής σύγκρουσης.
Καθώς το UAV κινείται, η διαδικασία επαναλαμβάνεται συνεχώς.
Ο υπολογισμός γίνεται πάνω στο ίδιο το drone
Ένα από τα πιο σημαντικά στοιχεία της έρευνας είναι ότι οι υπολογισμοί δεν απαιτούν ισχυρό εξωτερικό server.
Στα hardware tests, το drone πραγματοποιούσε perception, localization και replanning χρησιμοποιώντας τον onboard υπολογιστή του.
Οι ερευνητές χρησιμοποίησαν τεχνικές μείωσης των απαιτούμενων μεταβλητών ώστε η βελτιστοποίηση να ολοκληρώνεται αρκετά γρήγορα για πραγματική πτήση. Στις δοκιμές με δυναμικά εμπόδια, οι χρόνοι replanning κινήθηκαν περίπου στα 18 έως 24 milliseconds, ανάλογα με το σενάριο.
Δοκιμές με πραγματικά drones και κινούμενα εμπόδια
Η ομάδα δεν περιορίστηκε σε simulations.
Στην έκδοση της μελέτης που έχει δημοσιοποιηθεί, πραγματοποιήθηκαν έξι πτήσεις σε στατικά περιβάλλοντα και δέκα ακόμη δοκιμές με δυναμικά εμπόδια. Τα σενάρια περιλάμβαναν ένα κινούμενο εμπόδιο, άνθρωπο που περπατούσε με απρόβλεπτη πορεία και περιβάλλοντα με έως πέντε κινούμενα εμπόδια μαζί με σταθερά αντικείμενα.
Στα simulations, το SANDO πέτυχε υψηλότερο success rate από αρκετούς σύγχρονους planners χωρίς παραβιάσεις των περιορισμών ασφαλείας στα περιβάλλοντα που δοκιμάστηκαν.
Η μαθηματική εγγύηση έχει όρια
Η λέξη «εγγυημένα» χρειάζεται προσοχή.
Το σύστημα προϋποθέτει ότι υπάρχει γνωστό ανώτατο όριο στην ταχύτητα των κινούμενων εμποδίων. Αν ένα αντικείμενο κινηθεί ταχύτερα από αυτό το όριο ή αν το σύστημα αντίληψης δεν το εντοπίσει εγκαίρως, η θεωρητική εγγύηση δεν μπορεί να θεωρηθεί απόλυτη.
Αυτό δεν μειώνει τη σημασία της έρευνας. Αντίθετα, δείχνει ότι οι ερευνητές προσπαθούν να μεταφέρουν τις formal safety guarantees από ελεγχόμενα περιβάλλοντα σε πολύ πιο σύνθετες πραγματικές συνθήκες.
Οι πιθανές εφαρμογές περιλαμβάνουν επιχειρήσεις έρευνας και διάσωσης, πυρκαγιές, υπόγειες εγκαταστάσεις, ορυχεία και αυτόνομες παραδόσεις.
Το επόμενο βήμα για την ομάδα είναι η περαιτέρω μείωση των υπολογιστικών απαιτήσεων και η πιθανή ενσωμάτωση machine learning μοντέλων που θα επιτρέπουν στον χρήστη να δίνει οδηγίες στο ρομπότ με φυσική γλώσσα.
Αν αυτή η κατεύθυνση εξελιχθεί, το SANDO θα μπορούσε να αποτελέσει ένα από τα δομικά στοιχεία για drones που δεν ακολουθούν απλώς προκαθορισμένες διαδρομές, αλλά μπορούν να επιχειρούν αυτόνομα σε περιβάλλοντα που δεν έχουν δει ποτέ πριν.
