Các nhà chế tạo robot từ Đại học Carnegie Mellon đã đẩy giới hạn của một chiếc xe địa hình được trang bị cảm biến để thu thập dữ liệu cho xe ATV tự lái trong tương lai.
Với tốc độ lên tới 30 dặm một giờ, họ đã đẩy chiếc ATV được trang bị đầy đủ thiết bị vượt qua mặt đất gồ ghề và vượt qua chướng ngại vật. Họ trượt qua các ngã rẽ, lên và xuống đồi, thậm chí bị mắc kẹt trong bùn khi thu thập dữ liệu từ bảy loại cảm biến khác nhau.
Các nhà chế tạo robot huấn luyện bộ dữ liệu TartanDrive như thế nào?
Khoảng 200.000 tương tác trong thế giới thực này được đưa vào tập dữ liệu được tạo có tên là TartanDrive. Bộ dữ liệu này là một trong những bộ sưu tập lái xe địa hình, đa phương thức, trong thế giới thực lớn nhất liên quan đến số lượng tương tác và các loại cảm biến. Năm giờ thông tin có thể giúp huấn luyện xe ATV tự lái đi địa hình.
Wenshan Wang, một trong những nhà khoa học của dự án, giải thích: “Không giống như lái xe tự động trên đường phố, lái xe địa hình khó khăn hơn vì bạn phải hiểu động lực của địa hình để lái xe an toàn và lái xe nhanh hơn”. Viện Robotics (RI). Khoa học không dừng lại ở đó. Bạn có biết rằng các nhà nghiên cứu đã phát triển tập thể microrobot có thể hoạt động theo bầy đàn?
Phần lớn công việc trước đây về lái xe địa hình đã sử dụng các bản đồ có chú thích, cung cấp các nhãn như bùn, cỏ, thảm thực vật hoặc nước để hỗ trợ robot hiểu được môi trường xung quanh. Tuy nhiên, loại kiến thức này không phổ biến và có thể không hữu ích khi tiếp cận được. Ví dụ: một khu vực lầy lội trên bản đồ có thể được điều khiển bởi các bot hiểu được động lực học.
Nhóm nghiên cứu phát hiện ra rằng dữ liệu cảm biến đa phương thức mà họ thu thập cho TartanDrive cho phép họ tạo ra các mô hình dự đoán chính xác hơn so với dữ liệu được tạo bằng dữ liệu không động, ít phức tạp hơn. Samuel Triest, sinh viên thạc sĩ năm thứ hai về robot và là tác giả chính của nghiên cứu, nói thêm rằng việc lái xe mạnh mẽ đã đẩy ATV vào một lĩnh vực biểu diễn đòi hỏi phải có kiến thức về động lực học:
“Động lực của các hệ thống này có xu hướng trở nên khó khăn hơn khi bạn tăng thêm tốc độ. Bạn lái xe nhanh hơn. Bạn bật ra nhiều thứ hơn. Triest cho biết rất nhiều dữ liệu mà chúng tôi muốn thu thập là việc lái xe hung hãn hơn, những con dốc khó khăn hơn và thảm thực vật dày hơn vì đó là lúc một số quy tắc đơn giản hơn bắt đầu bị phá vỡ”. Có rất nhiều phương pháp thu thập dữ liệu. Có vô số ví dụ về các công cụ thu thập dữ liệu trực tuyến mở và miễn phí sẽ thúc đẩy những đổi mới trong tương lai.
Xe ATV tự lái có thể không còn xa nữa
Mặc dù hầu hết các nghiên cứu về xe tự hành đều tập trung vào việc lái xe trên đường phố, nhưng những ứng dụng đầu tiên có thể là địa hình ở những khu vực có lối vào được kiểm soát, nơi nguy cơ va chạm với người hoặc xe khác được giảm thiểu. Các thử nghiệm của các nhà nghiên cứu được thực hiện tại Trung tâm Kỹ thuật Robot Quốc gia của CMU gần Pittsburgh, nơi đặt Trung tâm Kỹ thuật Robot Quốc gia. Con người lái xe ATV, nhưng họ sử dụng hệ thống truyền động bằng dây để điều chỉnh tay lái và tốc độ.
“Chúng tôi buộc con người phải trải qua giao diện điều khiển giống như robot. Bằng cách đó, những hành động mà con người thực hiện có thể được sử dụng trực tiếp làm đầu vào cho cách robot hoạt động”, Wang giải thích.
Tại Hội nghị Quốc tế về Robot và Tự động hóa (ICRA) tại Philadelphia, Triest sẽ trình bày nghiên cứu về TartanDrive trong tuần này. Nhóm nghiên cứu bao gồm Sean Wang, tiến sĩ. sinh viên ngành cơ khí; Aaron Johnson, trợ lý giáo sư kỹ thuật cơ khí; Sebastian Scherer, phó giáo sư nghiên cứu tại RI; và Matt Sivaprakasam, sinh viên kỹ thuật máy tính tại Đại học Pittsburgh.
Các nhà chế tạo robot không phải là những người duy nhất sử dụng những công cụ như vậy để đào tạo bộ dữ liệu cho xe ATV tự lái. Ngoài ra còn có các dự án khác. Ví dụ, mô hình NDF của các nhà nghiên cứu MIT nhằm mục đích dạy cho robot những kỹ năng mới.
