Карти за уроци по ориентация на робота, списание Popular Mechanics
Решението на тези проблеми дойде от самата майка природа: Марк Къминс и Пол Нюман от Оксфорд се обърнаха към механизмите за памет и разпознаване, които се използват в собствения ни мозък. Благодарение на новия подход роботите придобиват способността да разпознават предварително проучени места, дори ако някои от обектите в тях са били преместени, или ако ги приближат от напълно непознат ъгъл.
Този механизъм не е толкова прост, колкото може да изглежда на пръв поглед. За робот, който няма информация за същността на конкретните обекти, които го заобикалят, светът изглежда доста хаотичен и, освен това, бързо променящ се клъстер от обекти. Но изпълнявайки мисията си, той може да се върне на вече посетено място след не само часове, но и месеци и през това време тук може да се промени твърде много. Той трябва да се научи да изолира и отхвърля неуместни детайли - например паркирани коли - но в същото време да може да има предвид всичко най-важно, за да не бърка непознато място с вече познато.
За целта учени от Оксфорд са разработили специален софтуер – FabMap. За всяко място програмата създава своеобразен визуален „речник“ в паметта на робота, състоящ се от хиляди отделни „думи“, и го актуализира на всеки 2 секунди.
Тук „дума“ може да се разбира като отделни обекти (например седалка на паркиран велосипед), които FabMap може да групира заедно, ако често се появяват във връзка един с друг. Например „думата“ „велосипедна седалка“ ще бъде свързана с „велосипедно колело“ и „велосипедна верига“ и заедно те ще съставляват обектния клас „велосипед“.
Сега, ако роботът посети отновомясто, но колоездачът вече е напуснал, машината ще отбележи, че е изчезнала само една група „думи“ - „велосипед“ и няма да се обърка, като обикновените роботи, които могат да загубят броя на това колко неща са изчезнали - седалката, и колелото, и веригата и т.н. Тази способност на програмата позволява да не се придава твърде голямо значение на промяната на отделните обекти и понякога увеличава способността на роботите ефективно да се ориентират в нашия променящ се свят.
FabMap не само увеличава разпознаването на вече известни места, но също така намалява броя на фалшивите разпознавания. Факт е, че например две подобни тухлени стени с прозорец често объркват роботите: те ги объркват един с друг. Но йерархичният подход на FabMap, със съставянето на "речник" и групирането на "думи", избягва това. Вместо да "разпознава" стотици подобни елементи на две различни стени с прозорец - да речем еднакви тухли, от които очевидно ще има повече от различни елементи - програмата възприема стената с прозорец като солиден обект и подробности като височината на прозореца или неговото местоположение ще бъдат по-важни за нея.
Учените вече са тествали на практика възможностите на FabMap, оборудвайки малък мобилен робот с програмата и необходимото оборудване (лазер и камери) и го изпращат на разходка из центъра на Оксфорд. И наистина, въпреки факта, че ситуацията тук беше много променлива, роботът лесно разпозна местата и дори направи необходимите корекции в картите, съставени по време на пътуването. От приблизително 10 хиляди снимки, направени в процеса, роботът направи грешка само веднъж, неправилно „разпознавайки“ място, където всъщност никога не е бил.
След това изследователите инсталирали същото оборудване на автомобил и изминали около 1000 км из града. Роботът направи ефективни карти на района - това енай-обширната карта, получена от роботи в историята.
Прочетете и за молекулата, която служи като естествен компас за насекомите: „Ориентация в магнитно поле“.