I ricercatori hanno sviluppato un nuovo sistema di intelligenza artificiale che consente ai robot di riconquistare in modo affidabile la loro posizione anche dopo essere stati spostati, spenti o spostati in altro modo, un problema comune noto come il problema del “robot rapito”. La svolta, sviluppata presso l’Università Miguel Hernández di Elche in Spagna, potrebbe migliorare significativamente la praticità dei robot autonomi negli scenari del mondo reale.
La sfida del “robot rapito”.
Per anni, uno dei maggiori ostacoli nel campo della robotica è stata la localizzazione affidabile : la capacità di un robot di sapere esattamente dove si trova. I metodi tradizionali spesso si basano sul GPS o su mappe preprogrammate, che sono poco pratiche in molti ambienti. I segnali GPS hanno difficoltà all’interno, vicino a edifici alti o in aree con scarsa copertura satellitare. Le mappe preprogrammate richiedono aggiornamenti costanti, il che può essere difficile in spazi dinamici.
Questo nuovo sistema, chiamato MCL-DLF (Monte Carlo Localization – Deep Local Feature), offre un’alternativa rendendo i robot più autosufficienti.
Come funziona il nuovo sistema
Il sistema MCL-DLF utilizza la tecnologia 3D LiDAR, che impiega impulsi laser per scansionare e creare una mappa dettagliata dell’ambiente circostante. Ciò consente al robot di funzionare senza bisogno di infrastrutture esterne come GPS o mappe preesistenti.
Ecco come funziona in più fasi:
- Ampio riconoscimento: in primo luogo, l’IA identifica l’area generale riconoscendo elementi di grandi dimensioni come edifici o vegetazione.
- Analisi dettagliata: Successivamente, restringe la posizione esatta analizzando dettagli più piccoli e unici. Il processo imita il modo in cui gli esseri umani si orientano in luoghi sconosciuti.
- Aggiornamenti continui: utilizzando il deep learning, il sistema dà priorità alle caratteristiche ambientali utili per la localizzazione e mantiene più stime di posizione possibili, aggiornandole man mano che arrivano nuovi dati dai sensori.
Secondo Míriam Máximo, la ricercatrice principale, “Questo è simile al modo in cui le persone riconoscono prima un’area generale e poi si affidano a piccoli dettagli distintivi per determinare la loro posizione precisa”.
Test e risultati nel mondo reale
I ricercatori hanno testato il sistema per mesi nel campus universitario, in condizioni diverse, inclusi cambiamenti stagionali, diversi livelli di illuminazione e cambiamenti della vegetazione. I risultati mostrano che MCL-DLF fornisce una maggiore precisione di posizionamento e prestazioni più costanti rispetto ai metodi tradizionali. Ciò significa che il robot può localizzarsi in modo affidabile anche quando l’ambiente cambia nel tempo.
Perché è importante
Le implicazioni sono significative. I robot autonomi stanno diventando essenziali nella logistica, nell’ispezione delle infrastrutture, nel monitoraggio ambientale e nei veicoli a guida autonoma. Un sistema che consenta a questi robot di operare in modo più indipendente e affidabile ne accelererà l’adozione.
Lo sviluppo di metodi di localizzazione più affidabili è fondamentale per sfruttare appieno il potenziale della robotica nelle applicazioni del mondo reale.
Riducendo la dipendenza dalle infrastrutture esterne e adattandosi agli ambienti dinamici, il sistema MCL-DLF rappresenta un passo importante verso la realizzazione di robot veramente autonomi e utili in contesti complessi e imprevedibili.
