Wetenschappers over de hele wereld racen om zelfrijdende voertuigen te ontwikkelen, maar een paar essentiële componenten moeten nog worden geperfectioneerd. Een daarvan is lokalisatie:het vermogen van het voertuig om zijn plaats en beweging te bepalen. Een ander voorbeeld is het in kaart brengen van het vermogen van voertuigen om de omgeving te modelleren, zodat het passagiers veilig naar de juiste plaats kan vervoeren.

De vraag is:hoe geef je een voertuig richtinggevoel? Hoewel GPS-apparaten (Global Positioning Satellite) kunnen helpen, ze zijn niet in alle contexten beschikbaar of betrouwbaar. In plaats daarvan, veel experts onderzoeken gelijktijdige lokalisatie en mapping, of SLAM, een notoir moeilijk probleem op het gebied van robotica. Nieuwe algoritmen ontwikkeld door Guoquan (Paul) Huang, een assistent-professor werktuigbouwkunde, elektrotechniek en computertechniek, en computer- en informatiewetenschappen aan de Universiteit van Delaware, brengen het antwoord dichterbij.

Huang gebruikt visuele traagheidsnavigatiesystemen die traagheidssensoren combineren, die gyroscopen bevatten om de oriëntatie te bepalen en versnellingsmeters om de versnelling te bepalen, samen met camera's. Met behulp van gegevens van deze relatief goedkope, algemeen beschikbare componenten, Huang meet en berekent beweging en lokalisatie.

Bijvoorbeeld, toen zijn team hun systeem op een laptop verbond en het ronddroeg in het Spencer Laboratory van UD, thuisbasis van de faculteit Werktuigbouwkunde, ze genereerden voldoende gegevens om het gebouw in kaart te brengen terwijl ze de beweging van de laptop zelf volgden. In een autonoom voertuig, soortgelijke sensoren en camera's zouden worden bevestigd aan een robot in het voertuig.

Het vermogen van een autonoom voertuig om zijn eigen beweging en de beweging van objecten eromheen te volgen, is van cruciaal belang. "We moeten het voertuig lokaliseren voordat we het voertuig automatisch kunnen besturen, " zei Huang. "Het voertuig moet zijn locatie weten om verder te kunnen gaan."

Dan is er nog de kwestie van veiligheid. "In een stedelijk scenario, bijvoorbeeld, er zijn voetgangers en andere voertuigen, dus idealiter zou het voertuig in staat moeten zijn om zowel zijn eigen beweging als de beweging van bewegende objecten in zijn omgeving te volgen, " zei Huang.

In een artikel dat eerder dit jaar in de International Journal of Robotics Research (IJRR), Huang en zijn team vonden een betere, nauwkeurigere oplossing voor het combineren van de traagheidsmetingen. Tot nu, wetenschappers gebruikten discrete integratie, een rekentechniek die het gebied onder een kromme benadert, oplossing benaderen. In plaats daarvan, De groep van Huang vond een oplossing en bewees dat deze beter was dan de bestaande methoden. Nog beter, ze delen hun oplossing.

"We openen onze code. Het staat op GitHub, " zei Huang. "Veel mensen hebben onze code voor hun systemen gebruikt." In een ander recent artikel van IJRR, Huang en zijn team herformuleerden het SLAM-probleem als een formule die kleine bewegingsstappen berekent door de robots die zijn uitgerust met de visuele en traagheidssensoren. Veel van deze onderzoeksvideo's zijn te vinden op het YouTube-kanaal van Huang's Lab.

Deze ontdekkingen kunnen toepassingen hebben die verder gaan dan autonome voertuigen, van auto's tot luchtdrones tot onderwaterschepen en meer. De algoritmen van Huang kunnen ook worden gebruikt om augmented reality- en virtual reality-toepassingen te ontwikkelen voor mobiele apparaten zoals smartphones, die al camera's en traagheidssensoren aan boord hebben.

"Deze sensoren zijn heel gebruikelijk, dus de meeste mobiele apparaten, smartphones, zelfs drones en voertuigen hebben deze sensoren, " zei Huang. "We proberen gebruik te maken van de bestaande goedkope sensoren en een lokalisatieoplossing te bieden, een oplossing voor het volgen van bewegingen."

In 2018 en opnieuw in 2019, Huang ontving een Google Daydream (AR/VR) Faculty Research Award om dit werk te ondersteunen.

"Mensen zien dat robots het volgende grote ding in het echte leven gaan worden, dus daarom is de industrie de drijvende kracht achter dit onderzoeksgebied, " zei Huang.