MIT升级版“机器船”舰队:自主变形搭建动态桥梁

2019 年 9 月 2 日 新智元




  新智元推荐  

来源:图灵TOPIA
【新智元导读】MIT的机器船舰队升级了!这次机器船学会了变形。可以运货载人、遇到障碍还可自己搭桥铺路,有效缓解交通拥堵,实验显示将60米宽的运河的通行时间由10分钟缩短至2分钟。

近日,麻省理工学院(MIT)宣布,它的机器船舰队“Roboat”已经升级,具备了“变形”的新能力!

研究人员通过自动断开并重新组装成各种配置,可以在阿姆斯特丹的许多运河中形成浮动结构。


Roboat是什么,有什么用?

roboats

这些自动驾驶船是配备传感器、推进器、微控制器、GPS模块、摄像机和其他硬件的矩形船体,是麻省理工学院和阿姆斯特丹先进都市解决方案研究所(AMS Institute)正在进行的“Roboat”项目的一部分。

该项目由麻省理工学院教授Carlo Ratti, Daniela Rus, Dennis Frenchman和 Andrew Whittle领导。

未来,阿姆斯特丹希望这些机器人能在165条蜿蜒的运河上巡游,运送货物和人员,收集垃圾,或自行组装成“弹出式”平台——比如桥梁和舞台——以帮助缓解城市繁忙街道上的拥堵。

2016年,麻省理工学院(MIT)的研究人员测试了一个机器人原型,它可以沿着运河中预先设定的路径向前、向后和横向移动。

去年,研究人员设计了低成本、3D打印、四分之一规模版本的船,这些船更加高效灵活,并配备了先进的轨迹跟踪算法。 6月,他们创造了一种自动锁定机制,让船只相互瞄准并相互扣合,如果失败则继续尝试。

在上周IEEE多机器人和多智能体系统国际研讨会上发表的一篇新论文中,研究人员描述了一种算法,该算法能让roboat尽可能顺利地重塑自己。

该算法处理所有的计划和跟踪,使roboa单元组能够在一个集合配置中彼此解锁,以无碰撞的路径移动,并重新连接到新集合配置中的适当位置。

在麻省理工学院的演示池和计算机模拟中,一组组相连的roboa单元将自己从直线或正方形重新排列成其他形状,比如矩形和“L”形。

实验转换只花了几分钟。更复杂的形状变化可能需要更长的时间,这取决于移动单元的数量(可能是几十个)和两种形状之间的差异。

“我们已经让现在的roboats与其他roboats建立和断开联系,希望将阿姆斯特丹街头的活动转移到水面上,”罗斯说,计算机科学与人工智能实验室的主任(CSAIL)和Erna Viterbi比电气工程和计算机科学的教授。

“如果我们需要将材料或人员从运河的一边运送到另一边,那么一组船可以组合成线性形状,就像弹出式桥梁一样。”或者,我们可以为花卉或食品市场创建更大的弹出式平台。”



如何规划无碰撞路径?

在他们的工作中,研究人员必须通过自主规划、跟踪和连接roboat组来应对挑战。例如,要让每个单元都具有独特的功能,比如定位彼此、就如何拆分和改革达成一致、然后自由移动,这就需要复杂的通信和控制技术,而这些技术可能会使移动变得低效和缓慢。


为了使操作更加顺畅,研究人员开发了两种类型的单元:协调器coordinator和工作器worker。一个或多个worker连接到一个协调器,形成一个实体,称为“连接容器平台”(connection -vessel platform, CVP)。

所有的协调器和worker都有四个螺旋桨,一个无线微控制器,几个自动锁存机构和传感系统,使它们能够连接在一起。

然而,协调器也配备了GPS导航和惯性测量单元(IMU),用于计算定位、姿势和速度。worker只有能够帮助CVP沿着路径转向的执行器。

每个协调器都知道并可以与所有连接的worker进行无线通信。结构由多个CVP组成,单个CVP可以相互连接,形成一个更大的实体。

在变形过程中,结构中所有连接的CVP都会比较其初始形状和新形状之间的几何差异。

然后,每个CVP决定它是否停留在同一位置以及是否需要移动。然后,每个移动的CVP被分配一个时间来拆卸,并在新形状中设置一个新位置。 每个CVP使用自定义轨迹规划技术来计算在不中断的情况下到达目标位置的方式,同时优化路线以提高速度。

为此,每个CVP预先计算移动CVP周围的所有无碰撞区域,使其旋转并远离静止CVP。

在预先计算了这些无碰撞区域之后,CVP然后找到到达其最终目的地的最短轨迹,这仍然使其不会撞击静止单元。

值得注意的是,优化技术被用来使整个轨迹规划过程非常有效,预先计算只需100毫秒多一点就可以找到和细化安全路径。

协调器利用GPS和IMU提供的数据,估计出它在质心处的位置和速度,并通过无线网络控制每个单元的所有螺旋桨,然后移动到目标位置。

在实验中,研究人员在几种不同的变形场景中测试了三个单元的CVP,包括一个协调器和两个worker。

每个场景都包括一个CVP从初始形状解锁,然后在第二个CVP前后移动并重新连接到目标点。

例如,三个CVP从一条相连的直线重新排列 - 它们在两侧被锁在一起 - 成为一条连接在前后的直线,也就是一个“L”型。

在计算机模拟中,多达12个roboat单元将自己从矩形重新排列成正方形或从实心正方形重新排列成Z形。


更大的“动态桥梁”来袭!

实验是在四分之一大小的船形机器人身上进行的,它们长约一米,宽约半米。但研究人员相信,他们的轨迹规划算法在控制全尺寸单位时可以很好地扩展,这些单位的长度约为4米,宽度为2米。

在大约一年的时间里,研究人员计划利用该roboat在阿姆斯特丹市中心的尼莫科学博物馆和一个正在开发的区域之间架起一座横跨60米运河的动态“桥梁”。


这个名为RoundAround的项目将使用roboat在运河上连续航行,在码头接载乘客,当他们发现路上有任何东西时,就会停下来或改道。 目前,在这条水道上行走大约需要10分钟,但这座桥可以把这段时间缩短到大约两分钟。

“这将是世界上第一座由自动驾驶船队组成的桥梁,”Ratti 说。“一座普通的桥非常昂贵,因为你有船通过,所以你需要一座开放的机械桥或一座很高的桥。但我们可以(通过)自主船只连接运河两岸,使其成为漂浮在水面上的动态、灵敏的建筑。”


为了实现这一目标,研究人员正在进一步开发roboat,以确保它们能够安全地载人,并且能够适应各种天气条件,例如大雨。

他们还确保roboat可以有效地连接到运河的两侧,这可能在结构和设计上都有很大差异。

参考链接:
https://eurekalert.org/pub_releases/2019-08/miot-mfo082919.php
本文经授权转载自微信公众号“图灵TOPIA” (ID: turingtopia)
登录查看更多
0

相关内容

深入学习的成功来自于三个方面:高效的算法、强大的硬件和大规模的数据集。我们的实验室针对前两个方面,麻省理工学院汉实验室正在寻找有动机的学生在深入学习和计算机架构领域来解决有影响的人工智能问题,具有较轻的模型和较高的计算效率。
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
128+阅读 · 2020年5月26日
【MIT】Yufei Zhao《图论与加法组合学》,177页pdf
专知会员服务
49+阅读 · 2020年4月27日
麻省理工学院MIT-ICLR2020《神经网络能推断出什么?》
专知会员服务
50+阅读 · 2020年2月19日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
3D重建:硬派几何求解vs深度学习打天下?
机器之心
5+阅读 · 2019年7月8日
李飞飞等ICLR2019论文:构建人类眼睛感知评估
全球人工智能
4+阅读 · 2019年6月4日
用PyTorch做物体检测和追踪
AI研习社
12+阅读 · 2019年1月6日
百度Apollo1.5:夜间恶劣视觉环境下也能精准识别障碍物!
全球人工智能
5+阅读 · 2017年9月21日
UPSNet: A Unified Panoptic Segmentation Network
Arxiv
4+阅读 · 2019年1月12日
Arxiv
4+阅读 · 2018年11月7日
Two Stream 3D Semantic Scene Completion
Arxiv
4+阅读 · 2018年7月16日
Arxiv
5+阅读 · 2018年5月22日
Arxiv
11+阅读 · 2018年5月13日
Arxiv
4+阅读 · 2018年3月14日
VIP会员
相关论文
UPSNet: A Unified Panoptic Segmentation Network
Arxiv
4+阅读 · 2019年1月12日
Arxiv
4+阅读 · 2018年11月7日
Two Stream 3D Semantic Scene Completion
Arxiv
4+阅读 · 2018年7月16日
Arxiv
5+阅读 · 2018年5月22日
Arxiv
11+阅读 · 2018年5月13日
Arxiv
4+阅读 · 2018年3月14日
Top
微信扫码咨询专知VIP会员