![De nieuwste versie van de autonome boot van MIT is nu 2 meter lang en kan passagiers vervoeren. Krediet: Massachusetts Institute of Technology Onderzoekers verbeteren het ontwerp van autonome boten](https://scx1.b-cdn.net/csz/news/800/2020/48-researchersi.jpg)
De nieuwste versie van de autonome boot van MIT is nu 2 meter lang en kan passagiers vervoeren. Krediet: Massachusetts Institute of Technology
De koortsachtige race om de meest glanzende, veiligste en snelste zelfrijdende auto te produceren, is overgeslagen in onze rolstoelen, scooters en zelfs golfkarretjes. Onlangs is er beweging van land naar zee geweest, aangezien mariene autonomie de kanalen van onze steden zal veranderen, met het potentieel om goederen en diensten te leveren en afval op onze waterwegen te verzamelen.
In een update van een vijfjarig project van MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL) en het Senseable City Lab, hebben onderzoekers ‘s werelds eerste vloot van autonome boten ontwikkeld voor de stad Amsterdam, Nederland, en hebben onlangs een nieuw, groter schip voor de groep: “Roboat II.” Nu hij 2 meter lang is, wat ongeveer een “COVID-vriendelijke” 6 voet is, kan de nieuwe robotboot passagiers vervoeren.
Naast het Amsterdam Institute for Advanced Metropolitan Solutions creëerde het team ook navigatie- en besturingsalgoritmen om de communicatie en samenwerking tussen de boten bij te werken.
“Roboat II navigeert autonoom met behulp van algoritmen die vergelijkbaar zijn met die van zelfrijdende auto’s, maar nu aangepast voor water”, zegt MIT-professor Daniela Rus, een senior auteur van een nieuw artikel over Roboat en de directeur van CSAIL. “We ontwikkelen vloten van Roboats die mensen en goederen kunnen leveren, en verbinding kunnen maken met andere Roboats om een reeks autonome platforms te vormen om wateractiviteiten mogelijk te maken.”
Zelfrijdende boten kunnen al jaren kleine voorwerpen vervoeren, maar het toevoegen van menselijke passagiers voelde enigszins ongrijpbaar aan vanwege de huidige grootte van de schepen. Roboat II is de “halve schaal” boot in het groeiende oeuvre, en voegt zich bij de eerder ontwikkelde kwartschaal Roboat, die 1 meter lang is. Het derde deel, dat in aanbouw is in Amsterdam en wordt beschouwd als “full scale”, is 4 meter lang en heeft als doel om vier tot zes passagiers te vervoeren.
Geholpen door krachtige algoritmen navigeerde Roboat II autonoom door de grachten van Amsterdam gedurende drie uur om gegevens te verzamelen en keerde terug naar de startlocatie met een foutmarge van slechts 0,17 meter, of minder dan 7 inch.
“De ontwikkeling van een autonoom bootsysteem dat in staat is om nauwkeurig in kaart te brengen, robuuste controle en menselijk transport mogelijk maakt, is een cruciale stap om het systeem in de volledige Roboat te implementeren”, zegt senior postdoc Wei Wang, hoofdauteur van een nieuw artikel over Roboat. II. “We hopen ook dat het uiteindelijk in andere boten zal worden geïmplementeerd om ze autonoom te maken.”
Wang schreef de paper samen met MIT Senseable City Lab postdoc Tixiao Shan, research fellow Pietro Leoni, postdoc David Fernandez-Gutierrez, research fellow Drew Meyers, en MIT-professoren Carlo Ratti en Daniela Rus. Het werk werd ondersteund door een subsidie van het Amsterdam Institute for Advanced Metropolitan Solutions in Nederland. Een paper over Roboat II zal virtueel worden gepresenteerd op de internationale conferentie over intelligente robots en systemen.
Om de communicatie tussen de boten te coördineren, bedacht een ander team van MIT CSAIL en Senseable City Lab, eveneens geleid door Wang, een nieuwe controlestrategie voor robotcoördinatie.
Met de bedoeling zichzelf te assembleren tot onderling verbonden treinen met meerdere eenheden – met een verre eerbetoon aan treinsets voor kinderen – neemt ‘collectief vervoer’ een andere weg om verschillende taken te voltooien. Het systeem maakt gebruik van een gedistribueerde controller, een verzameling sensoren, controllers en bijbehorende computers verspreid over een systeem), en een strategie die is geïnspireerd op hoe een kolonie mieren voedsel kan vervoeren zonder communicatie. Concreet is er geen directe communicatie tussen de verbonden robots: slechts één leider kent de bestemming. De leider initieert beweging naar de bestemming, waarna de andere robots de bedoeling van de leider kunnen inschatten en hun bewegingen daarop kunnen afstemmen.
![Onderzoekers verbeteren het ontwerp van autonome boten](https://scx1.b-cdn.net/csz/news/800/2020/49-researchersi.jpg)
Roboat II is opgeschaald om transporttaken te verkennen, geholpen door bijgewerkt onderzoek. Deze omvatten een nieuw algoritme voor gelijktijdige lokalisatie en mapping (SLAM), een modelgebaseerde optimale controller genaamd niet-lineaire modelvoorspellende controller en een op optimalisatie gebaseerde toestandsschatter, genaamd moving horizon-schatting. Krediet: Massachusetts Institute of Technology
“De huidige coöperatieve algoritmen hebben zelden rekening gehouden met dynamische systemen op het water”, zegt Ratti, directeur van Senseable City Lab. “Coöperatief transport, met een team van watervoertuigen, brengt unieke uitdagingen met zich mee die je niet tegenkomt bij lucht- of grondvoertuigen. Traagheid en belasting van de voertuigen worden bijvoorbeeld belangrijkere factoren die het systeem moeilijker te besturen maken. de oppervlaktevoertuigen en valideert het algoritme daarop. ”
Het team testte hun controlemethode op twee scenario’s: een waarin drie robots in serie zijn geschakeld en een ander waarin drie robots parallel zijn aangesloten. De resultaten toonden aan dat de gecoördineerde groep in staat was om verschillende trajecten en oriëntaties in beide configuraties te volgen, en dat de omvang van de krachten van de volgers positief bijdroeg aan de groep – wat aangeeft dat de volgrobots de leider hielpen.
Wang schreef een paper over collectief vervoer naast Stanford University Ph.D. student Zijian Wang, MIT-postdoc Luis Mateos, MIT-onderzoeker Kuan Wei Huang, Stanford assistent-professor Mac Schwager, Ratti en Rus.
Roboat II
In 2016 hebben MIT-onderzoekers een prototype getest dat “vooruit, achteruit en lateraal langs een voorgeprogrammeerd pad in de grachten” kon bewegen. Drie jaar later werden de robots van het team geüpdatet naar “shapeshift” door ze autonoom los te koppelen en weer in elkaar te zetten in verschillende configuraties.
Nu is Roboat II opgeschaald om transporttaken te verkennen, geholpen door bijgewerkt onderzoek. Deze omvatten een nieuw algoritme voor gelijktijdige lokalisatie en mapping (SLAM), een modelgebaseerde optimale controller genaamd niet-lineaire modelvoorspellende controller en een op optimalisatie gebaseerde toestandsschatter, genaamd moving horizon-schatting.
Het werkt als volgt: wanneer een gebruiker op een specifieke positie een ophaalopdracht voor passagiers vereist, wijst de systeemcoördinator de taak toe aan een onbezette boot die zich het dichtst bij de passagier bevindt. Terwijl Roboat II de passagier ophaalt, creëert het een haalbaar pad naar de gewenste bestemming, op basis van de huidige verkeersomstandigheden.
Vervolgens zal Roboat II, die meer dan 50 kilogram weegt, zichzelf gaan lokaliseren door het SLAM-algoritme uit te voeren en lidar- en GPS-sensoren te gebruiken, evenals een traagheidsmeeteenheid voor lokalisatie, pose en snelheid. De controller volgt vervolgens de referentietrajecten van de planner, die het pad bijwerkt om gedetecteerde obstakels te vermijden om mogelijke botsingen te voorkomen.
Het team merkt op dat de verbeteringen in hun besturingsalgoritmen ervoor hebben gezorgd dat de obstakels sinds hun laatste update minder als een gigantische ijsberg aanvoelen; het SLAM-algoritme biedt een hogere lokalisatienauwkeurigheid voor Roboat, en maakt online mapping mogelijk tijdens navigatie, wat ze niet hadden in eerdere iteraties.
Om de omvang van Roboat te vergroten, was ook een groter gebied nodig om de experimenten uit te voeren, die begonnen in de MIT-pools en vervolgens verhuisden naar de Charles River, die door Boston en Cambridge, Massachusetts loopt.
Hoewel het navigeren op de drukke wegen van steden ertoe kan leiden dat automobilisten zich gevangen voelen in een doolhof, vermijden kanalen dit grotendeels. Toch kunnen er nog lastige scenario’s in de waterlopen ontstaan. Daarom werkt het team aan het ontwikkelen van efficiëntere planningsalgoritmen om het schip meer gecompliceerde scenario’s te laten verwerken, door actieve objectdetectie en identificatie toe te passen om Roboat’s begrip van zijn omgeving te verbeteren. Het team is van plan verstoringen zoals stromingen en golven in te schatten, om de trackingprestaties in meer lawaaierige wateren verder te verbeteren.
“Al deze verwachte ontwikkelingen worden verwerkt in het eerste prototype van de full-scale Roboat en getest in de grachten van de stad Amsterdam”, zegt Rus.
Collectief vervoer
Onze intuïtieve vaardigheden werkelijkheid maken voor machines is de aanhoudende bedoeling geweest sinds de geboorte van het veld, van eenvoudige opdrachten voor het oppakken van items tot de nuances van het organiseren in een groep.
Een van de hoofddoelen van het project is het mogelijk maken van zelfassemblage om de bovengenoemde taken van het verzamelen van afval, het afleveren van items en het vervoeren van mensen in de grachten te voltooien, maar het beheersen van deze beweging op het water was een uitdagend obstakel. Communicatie in robotica kan vaak onstabiel zijn of vertragingen hebben, wat de coördinatie van de robot kan verslechteren.
Veel besturingsalgoritmen voor dit collectieve transport vereisen directe communicatie, de relatieve posities in de groep en de bestemming van de taak – maar het nieuwe algoritme van het team heeft slechts één robot nodig om het gewenste traject en de gewenste oriëntatie te kennen.
Normaal gesproken vereist de gedistribueerde controller die op elke robot draait de snelheidsinformatie van de verbonden constructie (weergegeven door de snelheid van het midden van de constructie), maar dit vereist dat elke robot de relatieve positie ten opzichte van het midden van de constructie kent. In het algoritme van het team hebben ze de relatieve positie niet nodig, en elke robot gebruikt simpelweg zijn lokale snelheid in plaats van de snelheid van het midden van de constructie.
Wanneer de leider de beweging naar de bestemming initieert, kunnen de andere robots dus de bedoeling van de leider inschatten en hun bewegingen uitlijnen. De leider kan ook de rest van de robots sturen door zijn input aan te passen, zonder enige communicatie tussen twee robots.
In de toekomst is het team van plan om machine learning te gebruiken om (online) de belangrijkste parameters van de robots in te schatten. Ze zijn ook gericht op het verkennen van adaptieve controllers die dynamische verandering van de structuur mogelijk maken wanneer objecten op de boot worden geplaatst. Uiteindelijk zullen de boten ook worden uitgebreid naar buitenwateromgevingen, waar grote verstoringen zoals stroming en golven voorkomen.
Zie voor meer informatie roboat.org/
Geleverd door Massachusetts Institute of Technology