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.
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.