Zihao Dong, un estudiante de doctorado del noreste, probó el algoritmo en el ágil robot móvil de Scout X Scout de Northeastern. Crédito: Matthew Modono/Northeastern University
Los robots de entrega realizados por compañías como Starship Technologies y Kiwibot se abren camino de manera autónoma por las calles de la ciudad y a través de los vecindarios.
Bajo el capó, estos robots, como la mayoría de los robots móviles en uso en la actualidad, usan una variedad de diferentes sensores y algoritmos basados en software para navegar en estos entornos.
Los sensores LiDAR, que envían pulsos de luz para ayudar a calcular las distancias de los objetos, se han convertido en un pilar, lo que permite que estos robots realicen localización y mapeo simultáneos, también conocidos como SLAM.
Sin embargo, estos componentes son intensivos en recursos y requieren grandes cantidades de memoria para el mapeo preciso, lo que limita la capacidad de un robot para operar a largas distancias, explica el estudiante doctoral de la Universidad del Nordeste Zihao Dong.
“Después de un tiempo determinado, es posible que esté acumulando más de 10 o 20 gigabytes de memoria en su caché”, dice. “Esa puede ser una gran sobrecarga computacional para usted”.
Depende de los robotistas como Dong ayudar a abordar estos cuellos de botella, profundizando en los algoritmos que permiten a estos robots operar como lo hacen.
En la investigación recientemente publicada, Dong, bajo la supervisión de Michael Everett, profesor del noreste de ingeniería eléctrica e informática, ha desarrollado un nuevo enfoque de mapeo 3D que, en algunos casos, es un 57% menos intensivo en recursos que los métodos principales. El trabajo se publica en el servidor ARXIV preimpresión.
El algoritmo de Dong, la odometría y el mapeo de inercia LiDAR asistido con la característica profunda (DFLIOM), se basa en otro llamado odometría y mapeo de inercia de LiDAR directo (DLIOM), que utiliza unidades de medición inerciales y datos LIDAR para el mapeo 3D.
Del mismo modo, DFLIOM usa las mismas tecnologías, pero introduce un nuevo método de entornos de escaneo que no solo requiere el uso de menos datos, sino que en algunos casos puede ayudar a disminuir las inexactitudes, dice Everett.
La investigación ayuda a desafiar la noción de que más datos equivalen a mejores resultados, explica Everett.
“Hay un gran impulso de las personas que desarrollan sensores para decir:” Ahora tenemos un sensor que puede darle 10 veces más puntos que antes “, dice.” Es una forma en que comercializan los sensores para ser más útiles.
“En realidad, desde el lado del algoritmo, a veces nos preocupamos porque ahora tienes más datos para procesar, y solo tener más datos no es solo algo bueno porque el algoritmo no puede seguir el ritmo”, dice.
Con este trabajo, Dong y Everett intentan abordar este desafío y responder esta pregunta: “¿Cómo podemos escribir algoritmos que solo pueden extraer las piezas importantes?”
Los investigadores probaron el algoritmo utilizando el robot móvil Agile X Scout de Northeastern equipado con un kit de autonomía que presentaba un lidar de expulsión, un paquete de baterías y una mini PC Intel NUC. El robot creó mapas 3D de varias partes exteriores del campus del noreste, incluidos Centennial Common, Egan Crossing y Shillman Hall.
Más información: Zihao Dong et al, odometría inercial LiDAR y mapeo utilizando características aprendidas relevantes para el registro, ARXIV (2024). Doi: 10.48550/arxiv.2410.02961
Github: github.com/neu-autonomy/featur … m? Tab = readme-ov-file
Información en la revista: ARXIV proporcionado por Northeastern University
Esta historia se vuelve a publicar por cortesía de Northeastern Global News News.northeastern.edu.
Cita: los investigadores de robótica desarrollan algoritmos que hacen que la navegación móvil sea más eficiente (2025, 2 de mayo) Recuperado el 2 de mayo de 2025 de https://techxplore.com/news/2025-05-robotics-algorithms-mobile-eficiente.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
