23/05/2022
Door Ad Spijkers
Een nieuwe techniek kan een mobiele robot veilig leiden zonder kennis van zijn omgevingscondities of de obstakels die hij kan tegenkomen.
Een autonoom ruimtevaartuig dat de verre gebieden van het heelal verkent, daalt af door de atmosfeer van een afgelegen exoplaneet. Het voertuig, en de onderzoekers die het hebben geprogrammeerd, weten niet veel over deze omgeving. Hoe kan het ruimtevaartuig, met zoveel onzekerheid, een traject uitzetten dat ervoor zorgt dat het niet wordt verpletterd door een willekeurig bewegend obstakel of uit zijn koers wordt geblazen door plotselinge, stormachtige winden?
Onderzoekers aan het Massachusetts Institute of Technology hebben een techniek ontwikkeld waarmee dit ruimtevaartuig veilig kan landen. Hun aanpak kan een autonoom voertuig in staat stellen om een veilig traject uit te stippelen in onzekere situaties waar er meerdere onzekerheden zijn met betrekking tot de omgevingsomstandigheden en objecten waarmee het voertuig zou kunnen botsen.
De techniek kan een voertuig helpen een veilige koers te vinden rond obstakels die op willekeurige manieren bewegen en in de loop van de tijd van vorm veranderen. Het berekent een veilig traject naar een bepaald gebied, zelfs wanneer het startpunt van het voertuig niet precies bekend is en wanneer het onduidelijk is hoe het voertuig precies zal bewegen als gevolg van omgevingsstoringen zoals wind, oceaanstromingen of ruw terrein. Het is volgens de onderzoekers de eerste techniek om het probleem van trajectplanning met veel gelijktijdige onzekerheden en complexe veiligheidsbeperkingen aan te pakken.
Aannames vermijden
Toekomstige robotische ruimtemissies hebben risicobewuste autonomie nodig om afgelegen en extreme werelden te verkennen waarvoor alleen zeer onzekere voorkennis bestaat. Om dit te bereiken, moeten trajectplanningsalgoritmen redeneren over onzekerheden en omgaan met complexe onzekere modellen en veiligheidsbeperkingen.
Omdat dit trajectplanningsprobleem zo complex is, maken andere methoden voor het vinden van een veilige weg aannames over het voertuig, obstakels en de omgeving. Maar deze methoden zijn te simplistisch om in de meeste praktijksituaties toe te passen. Daarom kunnen ze niet garanderen dat hun trajecten veilig zijn in de aanwezigheid van complexe onzekere veiligheidsbeperkingen. Deze onzekerheid kan komen door de willekeur van de natuur of zelfs door de onnauwkeurigheid in het waarnemingssysteem van het autonome voertuig.
Nieuwe benadering
In plaats van de exacte omgevingsomstandigheden en locaties van obstakels te raden, redeneert het algoritme over de waarschijnlijkheid van het waarnemen van verschillende omgevingsomstandigheden en obstakels op verschillende locaties. Het zou deze berekeningen maken met behulp van een kaart of afbeeldingen van de omgeving uit het waarnemingssysteem van de robot.
Met behulp van deze benadering formuleren de algoritmen routeplanning als een waaschijnlijkheidsoptimalisatieprobleem. Dit is een wiskundig programmeerraamwerk waarmee de robot planningsdoelstellingen kan bereiken, zoals het maximaliseren van de snelheid of het minimaliseren van het brandstofverbruik. Tegelijkertijd wordt rekening gehouden met veiligheidsbeperkingen, zoals het vermijden van obstakels. De probabilistische algoritmen die de wetenschappers ontwikkelden, redeneren over risico, de waarschijnlijkheid om die veiligheidsbeperkingen en planningsdoelstellingen niet te bereiken.
Waarschijnlijkheidsoptimalisatie
Maar omdat het probleem verschillende onzekere modellen en beperkingen met zich meebrengt – van de locatie en vorm van elk obstakel tot de startlocatie en het gedrag van de robot – is deze waaschijnlijkheidsoptimalisatie te complex om met standaardmethoden op te lossen. De onderzoekers gebruikten statistieken van hogere orde van kansverdelingen van de onzekerheden om die optimalisatie om te zetten in een meer rechttoe rechtaan, eenvoudiger deterministisch optimalisatieprobleem dat efficiënt kan worden opgelost met bestaande kant-en-klare oplossers.
De uitdaging voor de onderzoekers was hoe ze de omvang van de optimalisatie konden verkleinen en hoe ze meer praktische beperkingen konden overwegen om het te laten werken. Het kostte veel moeite om van goede theorie naar goede toepassing te gaan. De optimalisatie-oplosser genereert een risicogebonden route, wat betekent dat, als de robot het pad volgt, de kans dat hij tegen een obstakel zal botsen niet groter is dan een bepaalde drempel, zoals 1%. Hieruit verkrijgen ze een reeks controle-ingangen die het voertuig veilig naar zijn doelgebied kunnen sturen.
Routes in kaart brengen
De onderzoekers evalueerden de techniek met behulp van verschillende gesimuleerde navigatiescenario's. In één model hebben ze een onderwatervoertuig gemodelleerd dat een koers uitstippelt vanuit een onzekere positie, rond een aantal vreemd gevormde obstakels, naar een doelgebied. Het was in staat om het doel ten minste 99% van de tijd veilig te bereiken.
Ze gebruikten het scenario ook om een veilig traject in kaart te brengen voor een luchtvaartuig dat verschillende vliegende 3D-objecten vermeed. Deze hebben onzekere afmetingen en posities en konden bewegen in de loop van de tijd, terwijl in de aanwezigheid van sterke wind de beweging ervan werd beïnvloed. Met behulp van het systeem bereikte het vliegtuig met grote waarschijnlijkheid zijn doelgebied. Afhankelijk van de complexiteit van de omgeving, hadden de algoritmen enkele seconden tot enkele minuten nodig om een veilige routete ontwikkelen.
De onderzoekers werken nu aan efficiëntere processen die de run-time aanzienlijk zouden verkorten, waardoor ze dichter bij real-time planningsscenario's zouden kunnen komen. Ze ontwikkelen ook feedback controllers om op het systeem toe te passen. Ze zouden het voertuig helpen dichter bij de geplande route te blijven, zelfs als het soms afwijkt van de optimale koers. Ook werken de onderzoekers aan een hardware-implementatie waarmee ze hun techniek in een echte robot kunnen demonstreren.
Ill: Jose-Luis Olivares, MIT