Roboti se tradičně spoléhali pouze na vizuální informace při navigaci ve svém okolí, což výrazně omezovalo jejich efektivitu v komplexních a nepředvídatelných prostředích. Nyní však výzkumníci z Duke University vytvořili revoluční framework s názvem WildFusion, který zásadně mění způsob, jakým roboti vnímají a interagují se světem kolem sebe.
WildFusion vybavuje čtyřnohého robota několika smyslovými schopnostmi, které napodobují lidské vnímání. Kromě standardních vizuálních vstupů z kamer a LiDARu systém zahrnuje kontaktní mikrofony detekující vibrace při každém kroku, taktilní senzory měřící vyvíjenou sílu a inerciální senzory sledující stabilitu robota při pohybu v nerovném terénu.
„WildFusion otevírá novou kapitolu v robotické navigaci a 3D mapování,“ vysvětluje Boyuan Chen, odborný asistent na Duke University. „Pomáhá robotům pracovat sebevědoměji v nestrukturovaných, nepředvídatelných prostředích, jako jsou lesy, oblasti postižené katastrofami a terén mimo silnice.“
Jádrem WildFusion je sofistikovaný model hlubokého učení založený na implicitních neuronových reprezentacích. Na rozdíl od tradičních metod, které prostředí vnímají jako soubor diskrétních bodů, tento přístup modeluje povrchy kontinuálně, což umožňuje robotovi činit intuitivní rozhodnutí i v případě, že vizuální data jsou zablokovaná nebo nejednoznačná. Systém efektivně „doplňuje mezery“ při neúplných datech ze senzorů, podobně jako to dělají lidé.
Technologie byla úspěšně otestována v Eno River State Park v Severní Karolíně, kde se robot s jistotou pohyboval hustými lesy, travnatými plochami i po štěrkových cestách. Podle hlavního studenta a autora studie Yanbaihui Liu „tyto testy v reálném prostředí prokázaly pozoruhodnou schopnost WildFusion přesně předpovídat průchodnost terénu, což výrazně zlepšilo rozhodování robota o bezpečných trasách v náročném prostředí“.
Výzkumný tým také vyvinul simulační metodu, která umožňuje testovat schopnosti robotů bez přímé účasti člověka v raných fázích vývoje, což celý výzkumný proces urychluje a zvyšuje jeho škálovatelnost. Tento přístup představuje významný pokrok v metodologii testování robotiky.
Díky modulárnímu designu má WildFusion široké možnosti využití i mimo lesní stezky, včetně záchranných operací, inspekce vzdálené infrastruktury nebo autonomního průzkumu. Technologii, kterou podpořily agentury DARPA a Army Research Laboratory, představí autoři v květnu na IEEE International Conference on Robotics and Automation (ICRA 2025) v Atlantě.