تکنولوژی
دید فرا انسانی به روبات‌ها اجازه می‌دهد که با چشم‌های جدید مشابه LiDAR از دیوارها و دود ببینند
پژوهشگران دانشگاه پنسیلوانیا از امواج رادیویی برای تجهیز روبات‌ها به دید فرا انسانی با استفاده از سیستم PanoRadar استفاده می‌کنند. این فناوری امواج رادیویی پایه را به تصاویر پیچیده سه‌بعدی تبدیل می‌کند و به روبات‌ها اجازه می‌دهد در شرایط چالشی و موانعی همچون دود و دیوارها به دقت حرکت کنند. این سیستم با ترکیب هوش مصنوعی می‌تواند نقشه‌نگاری و تشخیص محیط‌های پیچیده را در مقایسه با سیستم‌های سنتی بهبود بخشد. تیم تحقیقاتی بر هدف خود برای توسعه سیستم‌های چندگانه تأکید دارد تا عملکرد روبات‌ها را بهبود بخشد.
پژوهشگران دانشگاه پنسیلوانیا در جستجوی پیشرفت در زمینه روباتیک، از امواج رادیویی برای تجهیز روبات‌ها به دید فرا انسانی استفاده می‌کنند. سیستم آن‌ها، PanoRadar، امواج رادیویی پایه را به تصاویر غنی سه‌بعدی تبدیل می‌کند و به روبات‌ها اجازه می‌دهد که فراتر از محدودیت‌های سنتی سنسورها "ببینند". دستگاه با پردازش امواج رادیویی با استفاده از الگوریتم‌های هوش مصنوعی بهبود می‌بخشد تا تصاویر با وضوح پایین را به تصاویر دقیقتری تبدیل کند. این امر به روبات‌ها این امکان را می‌دهد که در شرایط چالشی و موانعی مانند دود، شیشه و دیوارها - که در آن‌ها سنسورهای سنتی ناکافی هستند - به دقت حرکت کنند. "این نوآوری در برداشت توانمندی هوش مصنوعی می‌تواند سیستم‌های چندگانه را بهبود بخشد و به روبات‌ها در محیط‌های چالشی مانند مأموریت‌های جستجو و نجات یا وسایل نقلیه خودکار کمک کند" تیم در یک ویدیو که در یوتیوب منتشر شده می‌گوید. یکی از مسائل مکرر در تلاش برای ایجاد سیستم‌های برداشت قابل اعتماد برای روبات‌ها، عملکرد در هوای نامساعد و دیگر محیط‌های چالش برانگیز بوده است. به عنوان مثال، در دود و مه غلیظ، سنسورهای بینایی مبتنی بر نور سنتی مانند دوربین‌ها یا LiDAR بی‌اثر هستند. به گفته پژوهشگران، طبیعت نشان داده است که برداشت نباید به محدودیت‌های نور محدود باشد؛ بسیاری از حیوانات روش‌هایی برای برداشت محیط خود به صورت مستقل از نور توسعه داده‌اند. کوسه‌ها با شناسایی میدان‌های الکتریکی از حرکات طعمه خود شکار می‌کنند، درحالی‌که خفاش‌ها از پژواک امواج صوتی برای ناوبری استفاده می‌کنند. فراتر از دید انسان، امواج رادیویی می‌توانند از برخی مواد عبور کرده و دود و مه را با اثربخشی بیشتری نسبت به امواج نور از بین ببرند زیرا طول موج‌های آن‌ها چندین برابر بیشتر است. با این حال، روبات‌ها به طور سنتی از ابزار محدودی استفاده کرده‌اند: رادار کلاسیک که می‌تواند از دیوارها و موانع دیگر عبور کند اما تصاویر ساده با وضوح پایین ارائه می‌دهد یا دوربین‌ها و LiDAR که تصاویر دقیقی ارائه می‌دهند اما در شرایط دشوار عملکرد ضعیفی دارند. PanoRadar، یک فناوری جدید که امواج رادیویی پایه را به تصاویر پیچیده سه‌بعدی از محیط تبدیل می‌کند، برای حل این مشکلات و تأمین دید فرا انسانی برای روبات‌ها ایجاد شده است. حسگر PanoRadar شبیه به یک فانوس دریایی عمل می‌کند و با جاروی شعاعی خود کل افق را اسکن می‌کند. سیستمی از آنتن‌های عمودی چرخشی محیط را اسکن می‌کند. مشابه چگونه که پرتوی یک فانوس دریایی وجود کشتی‌ها و نقاط برجسته ساحلی را شناسایی می‌کند، این آنتن‌ها با انتشار امواج رادیویی و گوش دادن به بازتاب‌هایشان از محیط اطراف چرخش می‌کنند. PanoRadar به دلیل توانمندی هوش مصنوعی از این تکنیک ساده اسکن فراتر می‌رود. برخلاف فانوس دریایی که صرفاً مناطق مختلف را هنگام چرخش روشن می‌کند، PanoRadar به طور هوشمندانه اندازه‌گیری‌ها را از تمامی زوایای چرخش ترکیب کرده تا وضوح تصویر را بهبود بخشد. این تکنیک چرخشی آرایه کثیفی از نقاط اندازه‌گیری مجازی تولید می‌کند که به PanoRadar اجزای تصویری مشابه با LiDAR می‌دهد، گرچه خود حسگر تنها بخش کوچکی از هزینه سیستم‌های LiDAR است که به طور معمول گران‌قیمت هستند. "نوآوری کلیدی در نحوه پردازش این اندازه‌گیری‌های امواج رادیویی است" زائو توضیح می‌دهد. "الگوریتم‌های پردازش سیگنال و یادگیری ماشینی ما قادر به استخراج اطلاعات غنی سه‌بعدی از محیط هستند"؛ مینگمین زائو، استاد دستیار در علوم کامپیوتر و اطلاعات، در یک بیانیه گفت. تیم با چالش‌های عمده در توسعه الگوریتم‌ها برای PanoRadar مواجه شد به منظور حفظ تصویربرداری با وضوح بالا در حالی که روبات حرکت می‌کند. دستیابی به جزئیات سطح LiDAR با امواج رادیویی نیاز به اندازه‌گیری از موقعیت‌های متعدد با دقت زیر میلی‌متری داشت که نیازمند کنترل دقیق حتی هنگام حرکت روبات بود. چالش دیگری در این بود که سیستم بتواند محیط‌های داخلی پیچیده را تفسیر کند، که با آموزش این سیگنال‌ها به AI برای شناخت الگو‌ها در سیگنال‌های رادار حل شد، خیلی مشابه برداشت انسانی. سیستم مورد تأیید اولیه با استفاده از LiDAR مورد تأیید قرار گرفت و درک خود را اصلاح کرده و ردیابی بیشتری در مناطق پر از دود و نقشه‌نگاری فضاهایی با دیواره‌های شیشه‌ای را نمایش داد که سنسورهای سنتی معمولاً در شناسایی آن‌ها با مشکل مواجه هستند. در آینده، گروه قصد دارد تا بررسی کند که چگونه PanoRadar می‌تواند فناوری‌های سنجش موجود مانند دوربین و LiDAR را تکمیل کند تا سیستم‌های برداشت چندگانه و قابل اعتمادتر برای روبات‌ها توسعه داده شود. علاوه بر این، تیم دامنه آزمایشات خود را گسترش می‌دهد تا مجموعه‌ای از وسایل نقلیه خودکار و پلت‌فرم‌های رباتیکی را شامل شود. "برای وظایف پرخطر، داشتن راه‌های متعدد برای برداشت از محیط بسیار مهم است. هر سنسور دارای نقاط قوت و ضعف‌های خاصی است و با ترکیب آن‌ها به صورت هوشمند می‌توانیم روبات‌هایی ایجاد کنیم که به طور بهتری برای رویارویی با چالش‌های دنیای واقعی آماده باشند" زائو گفت.
