Robot secara tradisional bergantung sepenuhnya kepada maklumat visual untuk menavigasi persekitaran mereka, yang sangat mengehadkan keberkesanan dalam persekitaran kompleks dan tidak dapat diramal. Kini, penyelidik dari Universiti Duke telah mencipta satu rangka kerja revolusioner yang dinamakan WildFusion, yang secara asasnya mengubah cara robot memahami dan berinteraksi dengan dunia sekeliling.
WildFusion melengkapi robot berkaki empat dengan keupayaan deria pelbagai yang meniru persepsi manusia. Selain input visual standard daripada kamera dan LiDAR, sistem ini turut menggabungkan mikrofon sentuhan yang mengesan getaran setiap langkah, sensor taktil yang mengukur daya yang dikenakan, serta sensor inersia yang menjejak kestabilan robot ketika ia bergerak di permukaan tidak rata.
"WildFusion membuka lembaran baharu dalam navigasi robotik dan pemetaan 3D," jelas Boyuan Chen, Penolong Profesor di Universiti Duke. "Ia membantu robot beroperasi dengan lebih yakin dalam persekitaran yang tidak berstruktur dan tidak dapat diramal seperti hutan, zon bencana dan kawasan luar jalan."
Inti utama WildFusion ialah model pembelajaran mendalam yang canggih berasaskan representasi neural tersirat. Tidak seperti kaedah tradisional yang menganggap persekitaran sebagai koleksi titik diskret, pendekatan ini memodelkan permukaan secara berterusan, membolehkan robot membuat keputusan intuitif walaupun data visual terhalang atau samar. Sistem ini secara efektif "mengisi kekosongan" apabila data deria tidak lengkap, sama seperti manusia.
Teknologi ini telah berjaya diuji di Taman Negeri Sungai Eno, Carolina Utara, di mana robot tersebut menavigasi hutan tebal, padang rumput dan laluan berbatu dengan penuh keyakinan. Menurut penulis utama pelajar, Yanbaihui Liu, "Ujian dunia sebenar ini membuktikan keupayaan luar biasa WildFusion untuk meramalkan kebolehlaluan dengan tepat, sekali gus meningkatkan keupayaan robot membuat keputusan mengenai laluan selamat di kawasan mencabar."
Pasukan penyelidik juga telah membangunkan kaedah simulasi yang membolehkan mereka menguji keupayaan robot tanpa penglibatan manusia secara langsung pada fasa awal pembangunan, menjadikan proses penyelidikan lebih pantas dan mudah diskala. Pendekatan ini merupakan kemajuan penting dalam metodologi ujian robotik.
Dengan reka bentuk modular, WildFusion mempunyai potensi aplikasi yang luas di luar laluan hutan, termasuk tindak balas bencana, pemeriksaan infrastruktur terpencil, dan penerokaan autonomi. Teknologi ini, yang disokong oleh DARPA dan Makmal Penyelidikan Tentera Darat, akan dibentangkan di Persidangan Antarabangsa IEEE mengenai Robotik dan Automasi (ICRA 2025) di Atlanta pada bulan Mei ini.