Kan AI navigera okänd terräng och hämta ett litet föremål på under 5 minuter ?

Vad krävs för att styra en maskin genom ett okänt utrymme och plocka upp ett litet föremål inom en snäv tidsgräns? Utmaningen testar robotens förmåga att känna av, planera och agera under strikta villkor utan träning i realtid.

Background

Robot-hundar, drönare och andra autonoma plattformar används rutinmässigt för sök- och räddningsuppdrag och lagerhantering av föremål. En central AI sammanfogar vanligtvis data från ombordgivna sensorer (LiDAR, kameror, IMU) med aktuatorkommandon för att lokalisera och fysiskt hämta specificerade objekt. Fältrapporter noterar att de flesta samtida system misslyckas när de ställs inför snabbt föränderliga hinder som ogiltigförklarar tidigare inlärda kartor eller rörelseplaner.

Fysisk navigering och objektinsamling i okända, röriga miljöer med hårda tidsgränser är en sedan länge etablerad utmaning inom robotik. Systemen måste integrera realtidsperception (LiDAR, vision, taktila sensorer) med planering och kontroll för att nå en målplats utan tidigare kartor, undvika kollisioner och greppa små, eventuellt omodellerade objekt. Benchmarks som DARPA Subterranean Challenge och RoboCup@Home har använt tidsbegränsade försök för att stressa testautonomipipelines under osäkerhet. Nyligen har fyrbenta och hjulförsedda plattformar utrustade med ombordgivna GPU:er demonstrerat helautomatiska navigations- och greppförlopp inom femminutersfönster genom att kombinera inlärda navigationsstrategier med modulära manipuleringsstackar. Forskningen har gått från labbmiljöer med kända objekt till fälttester där robotar hämtar namnlösa föremål i kontor och katastrofresponsliknande scenarier. Data visar att framgångsfrekvens och tid varierar kraftigt beroende på miljöns komplexitet och objektens synlighet. Svårighetsgraden ökar kraftigt när belysningen är dålig, ytorna ojämna eller målet skymt eller mindre än 5 cm i diameter.

— Uppdaterad 15 maj 2026 · Källa: IEEE Robotics and Automation Letters, 2023