I sitt doktorgradsarbeid ved NMBU introduserer Fetullah Atas nye, sofistikerte teknikker som vil gjøre roboter betydelig mer selvgående når de navigerer i utfordrende, ujevnt terreng.
I sitt doktorgradsarbeid har Fetullah Atas jobbet med utfordringene roboter møter i tredimensjonale miljøer der det er liten eller ingen struktur. For eksempel i terreng uten tydelig veimerking eller forhåndsbestemte stier. Han har laget algoritmer som hjelper roboter med å navigere autonomt, eller selvgående, slik at de kan gjenkjenne og svare på hindringer i sanntid mer effektivt.
– Dette reduserer sjansene for oppdragssvikt betydelig, forklarer Atas.
– Det er avgjørende for disse maskinene å analysere omgivelsene nøyaktig for å unngå farer som steiner, hull eller humper som kan få dem til å velte eller bli sittende fast, legger han til.
Atas har forsket på å avgrense disse algoritmene og forbedre hvordan roboter forstår og samhandler med det naturlige miljøet.
Forskningen hans vil ha en positiv innvirkning på automatisering innen landbruk, skogbruk og søk- og redningsfelt.
Innovative bidrag på tvers av fire nøkkelområder
Atas’ avhandling omfatter seks artikler som viser en grundig tilnærming til å løse utfordringene med robotnavigasjon i ujevnt terreng. Forskningen hans kan fordeles på fire nøkkelområder:
1. Avansert bevegelsesplanlegging:
– Vi har identifisert og forbedret prøvetakingsbaserte planleggere som er egnet for utendørsnavigasjon. I tillegg har vi utviklet 'CostTrust', en kinodynamisk algoritme som flytter ytelsesgrensene til disse systemene, sier Atas. Denne algoritmen forbedrer spesielt planleggingseffektiviteten og hvor pålitelig roboten er i uforutsigbart terreng.
2. Effektiv miljørepresentasjon:
Avhandlingen introduserer innovative algoritmer som bruker mellomliggende punktsky-representasjoner for å støtte både prøvetakingsbaserte og klassiske grafbaserte planleggingsalgoritmer. – I motsetning til standardmetoder, representerer vår tilnærming omfattende komplekse scener, noe som forbedrer navigasjonsnøyaktigheten og effektiviteten, sier Atas.
3. Nøyaktig estimering av transporterbarhet:
For å løse utfordringene med å vurdere terrengnavigerbarhet, har Atas utviklet et dypt nevralt nettverk som integrerer ulike data for å forutsi terrenggjennomgåbarhet dynamisk. – Vår metode tilbyr en mer pålitelig måte å estimere terrengnavigerbarhet basert på en robots retning og erfaringer," forklarer han.
4. Praktisk applikasjon og testing i den virkelige verden:
'vox_nav'-rammeverket, introdusert i Atas’ forskning, integrerer disse avanserte algoritmene i en praktisk programvareløsning for applikasjoner i den virkelige verden. – Vi har gjennomført vellykkede tester av dette rammeverket på forskjellige utendørsterreng, som viser at det er både robust og tilpasningsdyktig, sier Atas.
![Collage av landbruksrobot i ulike terreng](https://main-bvxea6i-kdsvgmpf4iwws.eu-5.platformsh.site/sites/default/files/styles/landscape_16_9/public/2024-05/Thorvald-robot%20i%20ujevnt%20terreng.png?h=fc8833c8&itok=pqPeJoJn)
Ser mot fremtiden
Mens Atas forbereder seg på fremtidig forskning, reflekterer han over implikasjonene av arbeidet sitt.
– Integrasjonen av disse avanserte teknikkene åpner nye muligheter for å distribuere autonome roboter i tidligere utilgjengelige miljøer. Våre neste skritt vil innebære å foredle disse teknologiene for å øke effektiviteten og tilpasningsevnen ytterligere, avslutter han.
Fetullah Atas forsvarer sin doktorgradsavhandling "Traversibilitetsstyrt planlegging for effektiv robotnavigasjon i ulendt terreng" 16. mai 2024. Se disputasoppslaget her.
Kontakt
For spørsmål eller mer informasjon om denne tilnærmingen til robotnavigasjon, kontakt Fetullah Atas.