Flerbensrobotar kan navigera i en mängd olika komplexa och ostrukturerade terränger. Deras många frihetsgrader tillåter dem att anpassa sin gångställning för att navigera i flera utmanande miljöer, inklusive trånga utrymmen.

Ändå, de mest populära och vanligaste flerbensplattformarna kan inte utföra denna anpassning självständigt. För att komma till rätta med denna begränsning, forskare vid CSIRO (Commonwealth Scientific and Industrial Research Organisation), i samarbete med ETH Zürich, har nyligen tagit fram ett nytt tillvägagångssätt som gör att robotar med ben att autonomt ändra sin kroppsform baserat på miljön de arbetar i.

"Vi har forskat på benrobotar och utvecklat våra egna benrobotar under de senaste åtta åren, " Navinda Kottege, ledande forskare i teamet som genomförde studien, berättade för TechXplore. "Dessa flerbensrobotar har många frihetsgrader (t.ex. Weaver har 30 leder) vilket gör att de kan ha många olika ställningar när de går. När vi installerade våra robotar i komplexa begränsade miljöer som underjordiska gruvor, takhåligheter eller golvytor, vi insåg att de måste ändra sin ben- och kroppskonfiguration (d.v.s. hållning) för att klämma sig igenom smala luckor, gå över höga hinder eller krypa under låga överhäng. Detta krav är vad som föranledde denna forskning."

Den nyligen genomförda studien gjord av Kottege och hans kollegor tar inspiration från mjuk robotik, föreslår en deformerbar bounding box-abstraktion av robotmodellen, kombinerat med kartläggnings- och planeringsstrategier. För kartläggning, forskarna använde robotcentrerade flerhöjdskartor genererade via avståndssensorer monterade på roboten. För vägplanering, de använde en algoritm för banoptimering som heter CHOMP, som kan skapa jämna banor samtidigt som man undviker hinder.

"Sensorerna monterade på roboten, i detta fall en stereokamerabaserad 3D-sensor, tillhandahålla ett 3D-punktmoln av den omgivande miljön, " sade Kottege. "I huvudsak, dessa är en serie avstånd från roboten till olika föremål i dess omgivande miljö. Denna geometriska information omvandlas till en flerhöjdskarta där golv och tak identifieras, informera roboten om utrymmet den behöver gå igenom."

Tillvägagångssättet från Kottege och hans kollegor modellerar en robot som en deformerbar begränsningslåda, som kan deformeras inom sina specifika ledgränser, för att passa genom trånga utrymmen. Forskarna utvecklade också en serie algoritmer som gör att denna deformerade begränsningsbox-representation kan mappas till en uppsättning ledvinklar, som sedan matas till roboten, låter den självständigt anpassa sin hållning när den navigerar genom de trånga utrymmena.

"De metoder som vi har utvecklat är inte bundna till en viss sensor eller en speciell benrobot, " Kottege förklarade. "Dessa resultat kan tillämpas på data som kommer från alla sensorer som ger ett 3D-punktmoln av miljön (t.ex. Lidars, ToF-kameror) och vilken robot som helst med tillräckligt med frihetsgrader så att den kan modelleras som en deformerbar begränsningslåda. Att tillämpa dessa resultat kan ge framtida robotar möjligheten att effektivt anpassa sina ställningar i verkliga tillämpningar som sök och räddning i en kollapsad gruva eller i efterdyningarna av en jordbävning för att ta sig igenom svåra och komplexa begränsade utrymmen och nå överlevande i tid."

Forskarna implementerade och utvärderade sin föreslagna metod både i simuleringar och på CSIROs hexapodrobot Weaver, som är 33 centimeter hög och 82 centimeter bred, när man går normalt. De kunde navigera under 25 centimeters överhängande hinder, genom 70 centimeter breda luckor och över 22 centimeter höga hinder, i både artificiella testutrymmen och realistiska miljöer, såsom en underjordisk gruvtunnel. I framtiden, deras modell kan appliceras på robotar med ben som behöver arbeta i gruvor, byggarbetsplatser, skadade byggnader, och andra utmanande miljöer.

"Vi kommer nu att fortsätta att arbeta med att utveckla robusta och effektiva robotar med ben som kan arbeta i komplexa verkliga miljöer med inriktning på applikationer som sök och räddning, speciellt i underjordiska miljöer utan GPS-täckning, ", sa Kottege. "Detta är ett arbetsområde rikt på forskningsproblem som sträcker sig från mekanismdesign, robotavkänning och perception till lokalisering och navigering för att nämna några."

© 2019 Science X Network