Robotter har traditionelt været afhængige udelukkende af visuelle informationer for at navigere i deres omgivelser, hvilket i høj grad har begrænset deres effektivitet i komplekse og uforudsigelige miljøer. Nu har forskere fra Duke University skabt en banebrydende ramme kaldet WildFusion, der fundamentalt ændrer måden, hvorpå robotter opfatter og interagerer med verden omkring dem.
WildFusion udstyrer en firbenet robot med flere sanseevner, der efterligner menneskets opfattelse. Ud over standard visuelle input fra kameraer og LiDAR integrerer systemet kontaktmikrofoner, der opfanger vibrationer fra hvert skridt, taktile sensorer, der måler påført kraft, samt inerti-sensorer, der overvåger robotens stabilitet, når den bevæger sig over ujævnt terræn.
"WildFusion åbner et nyt kapitel inden for robotnavigation og 3D-kortlægning," forklarer Boyuan Chen, adjunkt ved Duke University. "Det hjælper robotter med at operere mere sikkert i ustrukturerede, uforudsigelige miljøer som skove, katastrofezoner og offroad-terræn."
Kernen i WildFusion er en avanceret dyb læringsmodel baseret på implicitte neurale repræsentationer. I modsætning til traditionelle metoder, der behandler omgivelser som samlinger af diskrete punkter, modellerer denne tilgang overflader kontinuerligt, hvilket gør det muligt for robotten at træffe intuitive beslutninger, selv når visuelle data er blokerede eller tvetydige. Systemet "udfylder effektivt hullerne", når sensordata er ufuldstændige – præcis som mennesker gør.
Teknologien er blevet testet med succes i Eno River State Park i North Carolina, hvor robotten sikkert navigerede gennem tætte skove, græsarealer og grusstier. Ifølge hovedforfatteren Yanbaihui Liu "beviste disse test i virkelige omgivelser WildFusions bemærkelsesværdige evne til nøjagtigt at forudsige fremkommelighed, hvilket markant forbedrede robotens beslutningstagning om sikre ruter gennem udfordrende terræn."
Forskerholdet har også udviklet en simuleringsmetode, der gør det muligt at teste robotternes evner uden direkte menneskelig involvering i de tidlige udviklingsfaser, hvilket gør forskningsprocessen hurtigere og mere skalerbar. Denne tilgang repræsenterer et væsentligt fremskridt inden for testmetoder i robotteknologi.
Med sit modulære design har WildFusion et stort potentiale ud over skovstier, herunder katastrofeberedskab, inspektion af fjern infrastruktur og autonom udforskning. Teknologien, som er støttet af DARPA og Army Research Laboratory, vil blive præsenteret på IEEE International Conference on Robotics and Automation (ICRA 2025) i Atlanta i maj.