Může umělá inteligence navigovat neznámým terénem a vyzvednout malý předmět za méně než 5 minut ?

Co je potřeba k tomu, aby stroj proplul neznámým prostorem a v těžkém časovém limitu zvedl malý předmět? Toto úsilí testuje schopnost robota vnímat, plánovat a jednat v těžkých podmínkách bez okamžitého tréninku.

Background

Robotická psa, drony a další autonomní platformy jsou rutinně nasazovány do záchranných misí a vyhledávání položek ve skladech. Centrální umělá inteligence typicky slučuje data z palubních senzorů (LiDAR, kamery, IMU) s příkazy pro aktuátory, aby lokalizovala a fyzicky extrahovala specifikované objekty. Terénní zprávy uvádějí, že většina současných systémů selhává, když jsou konfrontovány s rychle se měnícími překážkami, které invalidují dříve naučené mapy nebo pohybové plány.

Fyzická navigace a vyhledávání objektů v neznámých, nepřehledných prostředích s tvrdými časovými limity je dlouhodobým benchmarkem v robotice. Systémy musí integrovat reálné vnímání (LiDAR, vizuální a hmatové senzory) s plánováním a řízením, aby dosáhly cílové lokace bez předchozích map, vyhnuly se kolizím a uchopily malé, potenciálně nemodelované objekty. Benchmarky jako DARPA Subterranean Challenge a RoboCup@Home využívají časově omezené zkoušky k zatěžování autonomních systémů v podmínkách nejistoty. Nedávné čtyřnohé a kolové platformy vybavené vestavěnými GPU prokázaly end-to-end navigaci a uchopování během pětiminutových okének kombinací naučených navigačních strategií s modulárními manipulačními systémy. Výzkum pokročil od laboratorních nastavení s známými objekty k terénním testům, kde roboti vyhledávají nepojmenované položky v kancelářích a scénářích podobných likvidaci katastrof. Data ukazují, že úspěšnost a načasování se výrazně liší v závislosti na složitosti prostředí a viditelnosti objektů. Obtížnost prudce stoupá při špatném osvětlení, nerovných površích nebo když je cíl zakrytý či menší než 5 cm.