ட்யூக் பல்கலைக்கழகத்தைச் சேர்ந்த பொயுவான் சென் தலைமையிலான ஆராய்ச்சியாளர் குழு, WildFusion எனும் புரட்சி மிகுந்த枠மையை உருவாக்கியுள்ளது. இது ரோபோட்களுக்கு மனிதர்களைப் போல உணர்வுகளை வழங்கி, கடினமான வெளிப்புற சூழல்களில் நவீனமாக வழிசெலுத்த உதவுகிறது.
சாதாரண ரோபோட்கள் கேமரா அல்லது லைடார் போன்ற பார்வை தரவுகளையே சார்ந்திருக்க, WildFusion நால்காலி ரோபோட்களுக்கு தொடுதல் மற்றும் அதிர்வு உணர்வுகளையும் வழங்குகிறது. இந்த பன்முக உணர்வு அணுகுமுறை, ரோபோட்கள் சுற்றுச்சூழலை விரிவாக வரைபடமாக்கி, சவாலான நிலப்பரப்புகளில் பாதுகாப்பான பாதைகளை தேர்வு செய்ய சிறந்த முடிவுகளை எடுக்க உதவுகிறது.
"WildFusion, ரோபோட்களின் வழிசெலுத்தல் மற்றும் 3D வரைபட உருவாக்கத்தில் புதிய அத்தியாயத்தைத் தொடங்குகிறது," என ட்யூக் பல்கலைக்கழக உதவி பேராசிரியர் பொயுவான் சென் தெரிவித்தார். "இது, அமைப்பற்ற மற்றும் எதிர்பாராத சூழல்களில் — காடுகள், பேரிடர் பகுதிகள், மற்றும் சாலை அல்லாத நிலப்பரப்புகள் போன்ற இடங்களில் — ரோபோட்கள் தைரியமாக செயல்பட உதவுகிறது."
இந்த அமைப்பு பல்வேறு உணரிகள் தரவுகளை ஒருங்கிணைப்பதன் மூலம் செயல்படுகிறது. ஒவ்வொரு அடியிலும் தொடர்பு மைக்ரோஃபோன்கள் அதிர்வுகளை பதிவு செய்து, குருந்த இலைகள் அல்லது மண் போன்ற மேற்பரப்புகளை வேறுபடுத்துகிறது. தொடுதல் உணரிகள் பாதத்தின் அழுத்தத்தை அளந்து நிலைத்தன்மையை கண்டறிகின்றன; அதேசமயம், இனர்ஷியல் உணரிகள் ரோபோடின் சமநிலையை கண்காணிக்கின்றன. இந்த அனைத்து தரவுகளும் சிறப்பு நியூரல் என்கோடர்களில் செயலாக்கப்பட்டு, முழுமையான சுற்றுச்சூழல் மாதிரியில் ஒருங்கிணைக்கப்படுகின்றன.
WildFusion அமைப்பின் மையமாக, சூழலை தனித்தனி புள்ளிகளாக அல்லாமல் தொடர்ச்சியான கணித புலமாக பிரதிநிதித்துவப்படுத்தும் ஆழமான கற்றல் கட்டமைப்பு உள்ளது. இதன் மூலம், உணரிகள் தரவு முழுமையில்லாதபோதும், மனிதர்கள் போலவே ரோபோட்கள் 'இல்லாத இடங்களை' நிரப்பி, வழிசெலுத்த முடியும்.
இந்த தொழில்நுட்பம் வடகரோலினாவின் Eno River State Park-இல் வெற்றிகரமாக சோதிக்கப்பட்டது. அங்கு ரோபோட் அடர்ந்த காடுகள், புல்வெளிகள் மற்றும் கற்கள் நிறைந்த பாதைகளில் தைரியமாக வழிசெலுத்தியது. "இந்த நிஜ வாழ்க்கை சோதனைகள், WildFusion-ன் துல்லியமான பாதை கணிப்புத் திறனை நிரூபித்தன," என முன்னணி மாணவர் எழுத்தாளர் யன்பைஹுய் லியூ குறிப்பிட்டார்.
எதிர்காலத்தில், சூழல் விழிப்புணர்வை மேலும் மேம்படுத்த வெப்பநிலை மற்றும் ஈரப்பதம் உணரிகள் போன்ற கூடுதல் உணரிகள் சேர்க்க திட்டமிடப்பட்டுள்ளது. அதன் தொகுதி வடிவமைப்பால், WildFusion காடுகள் மட்டுமல்லாமல், பேரிடர் மீட்பு, சுற்றுச்சூழல் கண்காணிப்பு, வேளாண்மை, மற்றும் தொலைதூர கட்டமைப்புகளின் ஆய்வு போன்ற பல்வேறு துறைகளிலும் பயன்பாடுகள் உள்ளன.