Rijdende robot snapt voetgangers

Net zoals een chauffeur zich aan de verkeersregels moet houden, geldt dat ook voor voetgangers. Maar op de stoep of in drukke voetgangersgebieden gelden er ook regels die niet papier staan. Rechts houden en links inhalen, gepaste afstand houden en natuurlijk niet botsen. Engineers van MIT ontwikkelden een ‘sociaal bewuste’ autonome robot die voetgangersetiketten snapt.


Tijdens een test in het drukke Stata Center van MIT, rijdt een kniehoge robotkiosk zijn routes, zonder te botsen, volledig in sync met de voetgangersstromen. De onderliggende intelligentie hebben de bedenkers onlangs gepresenteerd tijdens de IEEE Conference on Intelligent Robots & Systems.
“Sociaal bewuste navigatie is een cruciale vaardigheid voor mobiele robots die zich in omgevingen bewegen waar ook veel voetgangers zijn”, zegt Yu Fan “Steven” Chen, die kartrekker van het project is. “Dergelijke relatief kleine robots kunnen bijvoorbeeld ingezet worden voor het bezorgen van pakketjes en maaltijden. Maar ze kunnen ook mensen vervoeren in winkelcentra , ziekenhuizen of vliegvelden.”

Lastige motion planning
Om een robot autonoom zijn weg te laten vinden in drukke omgevingen zijn vier dingen nodig: lokalisatie (waar ben ik), perceptie (het contextueel herkennen van de omgeving), motion planning (het bepalen van de optimale route) en besturing (het fysiek tot uitvoering brengen van deze route).
Nu waren er genoeg sensoren (webcams, lidar, diepte sensor) voorhanden en algoritmes voor mapping die Chen voor zijn onderzoek kon gebruiken. Hetzelfde geldt voor robotbesturingssoftware.
Een stuk lastiger bleek echter de motion planning. Want wanneer je weet waar je bent en de mogelijke routes hebt berekend, welke route neem je dan? Hoe drukker het voetgangersgebied, des te lastiger wordt het om de acties van individuele voetgangers te voorspellen. Het optimale pad van elke waargenomen voetganger berekenen, inclusief hun onderlinge samenhang? Dat kost zo veel rekenkracht, dat de robot besluiteloos blijft stilstaan. Een snellere manier is een ‘reactieve’ aanpak. Probleem hier is echter de onvoorspelbaarheid van de mens. Ze lopen nooit netjes hun rechte route, maar wijken onverwacht uit omdat ze een bekende zien, of spontaan zin hebben in koffie. Een reactief model levert daarom veel te veel botsingen op.

Reinformcement learning
De oplossing vond Chen in reinforcement learning. Voor deze vorm van machine learning gebruikte hij computersimulaties om de robot te trainen bepaalde paden te kiezen, afhankelijk van de snelheid en richting van andere bewegende objecten in de omgeving. Ook werden sociale normen aan het trainingprogramma toegevoegd: aanmoedigen wanneer rechts wordt ingehaald en ‘straffen’ wanneer dit links gebeurt. Het voordeel van reinforcement learning is dat er voor specifieke scenario’s kan worden getraind en dat dit ook zonder beginnersongelukken offline kan plaatsvinden.
In de echte wereld herkent de robot vervolgens de scenario’s en berekent zijn route. Niet in het geheel, maar telkens een klein stukje. Hij doet dit 10 keer per seconde, terwijl hij zelf met een snelheid van 1,2 meter per seconde beweegt, zonder te pauzeren tijdens de herberekening.

Vooralsnog beschouwt de ‘sociaal bewuste’ robot de mens nog als individu. Maar in de toekomst gaat het team van Chen nauwkeuriger kijken naar verschillen tussen individuele wandelaars en wandelende groepen. Een groepje van vijf of een stelletje dat hand in hand loopt doorkruisen? Niet echt sociaal bewust.

 

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *