menu
close

WildFusion Giver Robotter Menneskelignende Sanser til Udendørs Navigation

Forskere ved Duke University har udviklet WildFusion, en banebrydende ramme, der kombinerer syn, berøring og vibrationssans for at hjælpe robotter med at navigere i komplekse udendørsmiljøer. Denne multisensoriske tilgang gør det muligt for firbenede robotter bedre at forstå og interagere med udfordrende terræn ved at bearbejde miljødata på samme måde som mennesker. WildFusion er med succes blevet testet i skove, græsarealer og på grusstier og repræsenterer et markant fremskridt for robotter, der opererer i uforudsigelige, naturlige omgivelser.
WildFusion Giver Robotter Menneskelignende Sanser til Udendørs Navigation

Et forskerhold ledet af Boyuan Chen ved Duke University har skabt et revolutionerende framework kaldet WildFusion, der giver robotter menneskelignende opfattelsesevner til at navigere i vanskelige udendørsmiljøer.

I modsætning til konventionelle robotter, der udelukkende er afhængige af visuelle data fra kameraer eller LiDAR, udstyrer WildFusion en firbenet robot med yderligere sanser som berøring og vibration. Denne multisensoriske tilgang gør det muligt for robotten at opbygge rigere miljøkort og træffe bedre beslutninger om sikre ruter gennem udfordrende terræn.

"WildFusion åbner et nyt kapitel inden for robotnavigation og 3D-kortlægning," siger Boyuan Chen, lektor ved Duke University. "Det hjælper robotter med at operere mere selvsikkert i ustrukturerede, uforudsigelige miljøer som skove, katastrofeområder og offroad-terræn."

Systemet fungerer ved at integrere data fra flere sensorer. Kontaktmikrofoner opfanger vibrationer fra hvert skridt og kan skelne mellem overflader som knasende blade eller blød mudder. Taktilesensorer måler trykket på fødderne for at registrere stabilitet, mens inerti-sensorer overvåger robotens balance. Alle disse informationer behandles gennem specialiserede neurale kodere og samles til en omfattende miljømodel.

Kernen i WildFusion er en dyb læringsarkitektur, der repræsenterer miljøet som et kontinuerligt matematisk felt i stedet for adskilte punkter. Dette gør det muligt for robotten at "udfylde hullerne", når sensordata er ufuldstændige – på samme måde, som mennesker intuitivt navigerer med delvis information.

Teknologien blev med succes testet i Eno River State Park i North Carolina, hvor robotten sikkert navigerede gennem tætte skove, græsarealer og grusstier. "Disse virkelighedsnære tests beviste WildFusions bemærkelsesværdige evne til nøjagtigt at forudsige fremkommelighed," bemærker Yanbaihui Liu, hovedforfatter og studerende.

Fremadrettet planlægger holdet at integrere yderligere sensorer som termiske og fugtighedsmålere for yderligere at forbedre robotens miljøforståelse. Med sit modulære design har WildFusion et stort anvendelsespotentiale ud over skovstier, herunder katastrofeberedskab, miljøovervågning, landbrug og inspektion af afsidesliggende infrastruktur.

Source:

Latest News