Ingenieurs van Duke University ontwikkelen een slim robotsysteem voor het opsporen van hotspots van vervuiling en bronnen van giftige lekken. Hun aanpak stelt een robot in staat om on-the-fly berekeningen op te nemen om rekening te houden met de complexe luchtstromen van besloten ruimtes in plaats van simpelweg 'zijn neus te volgen'.

"Veel bestaande benaderingen die robots gebruiken om bronnen van deeltjes in de lucht te lokaliseren, zijn gebaseerd op bio-geïnspireerde, opgeleide maar simplistische gissingen, of heuristische technieken, die de robots tegen de wind in rijden of om toenemende concentraties te volgen, " zei Michael M. Zavlanos, de Mary Milus Yoh en Harold L. Yoh, Jr. Universitair hoofddocent Werktuigbouwkunde en Materiaalkunde aan Duke. "Deze methoden kunnen meestal slechts een enkele bron in de open ruimte lokaliseren, en ze kunnen geen schatting maken van andere even belangrijke parameters zoals afgiftesnelheden."

Maar in complexe omgevingen deze simplistische methoden kunnen de robots op wilde ganzenjacht sturen naar gebieden waar de concentraties kunstmatig worden verhoogd door de fysica van de luchtstromen, niet omdat zij de bron van het lek zijn.

"Als iemand buiten rookt, het duurt niet lang om ze te vinden door gewoon je neus te volgen, want niets houdt de luchtstromen tegen om voorspelbaar te zijn, " zei Wilkins Aquino, de Anderson-Rupp hoogleraar werktuigbouwkunde en materiaalkunde aan Duke. "Maar stop dezelfde sigaret in een kantoor en plotseling wordt het veel moeilijker vanwege de onregelmatige luchtstromen die door gangen worden gecreëerd, hoeken en kantoren."

In een recent artikel dat online is gepubliceerd in de IEEE-transacties op robotica , Zavlanos, Aquino en nieuw geslagen Ph.D. afgestudeerde Reza Khodayi-mehr maakt in plaats daarvan gebruik van de fysica achter deze luchtstromen om de bron van een emissie efficiënter te traceren.

Hun aanpak combineert op fysica gebaseerde modellen van het bronidentificatieprobleem met padplanningsalgoritmen voor robotica in een feedbacklus. De robots meten de concentraties van verontreinigende stoffen in de omgeving en gebruiken deze metingen om stapsgewijs te berekenen waar de chemicaliën eigenlijk vandaan komen.

"Het maken van deze op fysica gebaseerde modellen vereist de oplossing van partiële differentiaalvergelijkingen, wat rekenkundig veeleisend is en hun toepassing aan boord klein maakt, mobiele robots erg uitdagend, " zei Khodayi-mehr. "We moesten vereenvoudigde modellen maken om de berekeningen efficiënter te maken, waardoor ze ook minder nauwkeurig zijn. Het is een uitdagende afweging."

Khodayi-mehr bouwde een rechthoekige doos met een muur die de ruimte bijna in de lengte doorsneed om een ​​miniatuur U-vormige gang te creëren die een vereenvoudigde kantoorruimte nabootst. Een ventilator pompt lucht in de gang aan het ene uiteinde van de U en terug uit het andere, terwijl gasvormige ethanol langzaam in een van de hoeken lekt. Ondanks de eenvoud van de installatie, de binnenin gecreëerde luchtstromen zijn turbulent en rommelig, het creëren van een moeilijk bronidentificatieprobleem voor elke ethanol-snuivende robot om op te lossen.

Maar de robot lost het probleem toch op.

De robot doet een concentratiemeting, versmelt het met eerdere metingen, en lost een uitdagend optimalisatieprobleem op om in te schatten waar de bron zich bevindt. Vervolgens berekent het de meest bruikbare locatie om de volgende meting uit te voeren en herhaalt het proces totdat de bron is gevonden.

"Door op fysica gebaseerde modellen te combineren met optimale padplanning, we kunnen achterhalen waar de bron is met heel weinig metingen, "zei Zavlanos. "Dit komt omdat op fysica gebaseerde modellen correlaties bieden tussen metingen die niet worden verwerkt in puur gegevensgestuurde benaderingen, en optimale padplanning stelt de robot in staat om die paar metingen met de meeste informatie-inhoud te selecteren."

"De op fysica gebaseerde modellen zijn niet perfect, maar ze bevatten nog steeds veel meer informatie dan alleen de sensoren, "voegde Aquino toe. "Ze hoeven niet precies te zijn, maar ze stellen de robot in staat om conclusies te trekken op basis van wat mogelijk is binnen de fysica van de luchtstromen. Dit resulteert in een veel efficiëntere aanpak."

Deze complexe reeks van probleemoplossing is niet per se sneller, maar het is veel robuuster. Het kan situaties aan met meerdere bronnen, wat momenteel onmogelijk is voor heuristische benaderingen, en kan zelfs de mate van besmetting meten.

De groep werkt nog steeds aan het maken van algoritmen voor machine learning om hun modellen tegelijkertijd nog efficiënter en nauwkeuriger te maken. Ze werken er ook aan om dit idee uit te breiden tot het programmeren van een vloot robots om een ​​groot gebied methodisch te doorzoeken. Hoewel ze de groepsaanpak nog niet in de praktijk hebben uitgeprobeerd, ze hebben simulaties gepubliceerd die het potentieel ervan aantonen.

"Om van een laboratoriumomgeving met gecontroleerde instellingen naar een meer praktisch scenario te gaan, moeten natuurlijk ook andere uitdagingen worden aangepakt, " zei Khodayi-mehr. "Bijvoorbeeld, in een realistisch scenario zullen we waarschijnlijk de geometrie van het domein niet kennen. Dat zijn enkele van de lopende onderzoeksrichtingen waaraan we momenteel werken."

"Modelgebaseerde identificatie van actieve bronnen in complexe omgevingen." Reza Khodayi-mehr, Wilkins Aquino, Michael M. Zavlanos. IEEE-transacties op robots , 2019.