Eerder dit semester een groep Penn-studenten, postdocs, en docenten reisden naar een experimentele mijn in de buurt van Pittsburgh om deel te nemen aan de eerste ronde van de Subterranean (SubT) Challenge, georganiseerd door het Defense Advanced Research Projects Agency (DARPA). Onder leiding van Camillo J. Taylor, onderzoekers werkten samen met Penn-spin-offbedrijven om een ​​team van robots te bouwen om te navigeren en onbekende ondergrondse omgevingen te verkennen.

DARPA-uitdagingen zijn bedoeld om innovatieve oplossingen voor complexe problemen te inspireren, en het doel van SubT was om robots te ontwikkelen die naar plaatsen konden worden gestuurd die te gevaarlijk zijn voor mensen, zoals een metrotunnel na een brand of een mijn waar arbeiders vastzitten. Deze robots kunnen vervolgens rapporten terugsturen over wat ze hebben gezien naar een persoon die op een veilige locatie kan blijven.

Leden van het Pennsylvania Laboratory for Underground Tunnel Operations-team, PLUTO in het kort, ervaring had met het werken met drones in uitdagende omgevingen, maar ondergronds gaan betekende dat er een ander type platform nodig was om zwaar materieel te vervoeren tijdens het navigeren door nauwe ruimtes. Door Ghost Robotics-benige "honden" -platforms te combineren met drones van Exyn-technologieën, PLUTO verenigde eerdere expertisegebieden met de voordelen van een legged systeem.

Om succesvol een mijn te doorkruisen, robots moeten kunnen zien wat er om hen heen is, zodat ze obstakels kunnen vermijden en tegelijkertijd kunnen delen wat ze zien met menselijke operators. Elke hond droeg een lichtdetectie- en afstandsapparaat dat laserlicht gebruikt om een ​​3D-kaart te maken, stereo RGB-camera's om artefacten te zien, thermische camera's om hittesignaturen te detecteren, en een boordcomputer om de gegevens te verwerken.

De robots van PLUTO moeten ook kunnen beslissen waar ze heen gaan, artefacten herkennen, en doorgeven van informatie aan andere honden en aan de mensen buiten de mijn. Programma's ontwikkeld door Ph.D. student Anthony Cowley werden gebruikt om een ​​kaart van de locatie van de robot te genereren op basis van beelden verzameld door de sensoren, terwijl artefacten zoals rugzakken en telefoons werden gedetecteerd met behulp van een programma ontwikkeld door Ph.D. student Shreyas Shivakumar.

Communicatie is vooral ondergronds een uitdaging, omdat radiogolven niet door dikke grotmuren kunnen reizen. PLUTO's strategie, onder leiding van masterstudent Fernando Cladera, was om een ​​"bucket brigade"-systeem te creëren waarmee robots gegevens met elkaar konden delen. Op die manier, als een robot niet terug kon naar de ingang, de verzamelde gegevens kunnen nog steeds door andere honden worden doorgegeven aan het basisstation.

Het samenbrengen van al deze vaardigheden vereist een hoge mate van autonomie om de robots in staat te stellen hun verkenningsstrategieën te plannen zonder directe menselijke inbreng. doctoraat student Ian Miller leidde deze inspanning en zorgde ervoor dat alle sensoren, hardware, en algoritmen werkten samen.

PLUTO bracht tijd door in de nummer 9 kolenmijn en museum in Lansford, Pennsylvania, in de zomer en in de experimentele mijn van de Colorado School of Mines eerder dit jaar om te zien hoe hun geautomatiseerde systemen ondergronds presteerden. Vele maanden van voorbereiding leidden in augustus tot de eerste ronde van de SubT-uitdaging tegen tien andere teams in een testmijn in de buurt van Pittsburgh.

Elk team voltooide twee mijncursussen en had tijdens elke cursus twee pogingen om artefacten te vinden, variërend van rugzakken, telefoons, brandblussers, en neppersoneel, met een tijdslimiet van een uur. Geen van de teamleden mocht in de mijn reizen, en alleen Miller mocht met de robots communiceren terwijl ze gegevens verzamelden.

Hoewel hun robots niet zoveel artefacten zagen als gehoopt, het PLUTO-team is blij met hoe het systeem presteerde in zulke uitdagende en onbekende omgevingen. Onderdelen die goed werkten, waren onder meer hoe de honden tunnels ontdekten en verkenden, hun vermogen om objecten te herkennen, en het delen van gegevens via de bucket brigade. Verschillende detecties werden geleverd door "gevallen" honden, laten zien hoe hun systeem veerkrachtig was, zelfs wanneer individuele robots struikelden.

Adarsh ​​Kulkarni, een masterstudent die ook bij Ghost Robotics werkt, zegt dat hij blij is met de mechanische stabiliteit van de honden en hoe goed ze presteerden, zelfs na meerdere valpartijen. "Dit was verreweg de moeilijkste die we hebben gehad met de robots en de slechtste omgevingen waarin ze zijn geweest, "zegt Kulkarni. "De mijn is zijn eigen beest."

"Ze kregen elke dag een pak slaag, en de volgende ochtend waren ze aan het werk, " voegt Shivakumar toe. "Dat is echt lovenswaardig."

Hoewel sommige van hun ontwerpen te veel waren aangepast aan de uitdagingen die specifiek zijn voor nummer 9, inclusief sensoren ontworpen voor smalle, getextureerde muren terwijl SubT bredere, gladde muren, de ervaring toonde het team uit de eerste hand hoe moeilijk het is om robots te ontwikkelen die bestemd zijn voor onbekende omgevingen en het was een zeldzame kans om robots in een nieuwe omgeving te testen. "Het is heel anders dan de normale academische workflow, ", zegt Miller. "Van een algoritme gaan naar iets dat werkt op een plek die je nog nooit eerder hebt gezien, zijn heel andere problemen."

Deze "laatste 10%" in robotica, een geautomatiseerd systeem maken dat robuust en betrouwbaar is, is een uitdaging die vaak wordt opgelost door een combinatie van state-of-the-art technologie en pragmatische perspectieven. "Soms zijn deze systemen niet per se nieuw, maar wat nieuw is, is hun implementatie in een niet-geteste omgeving, ", zegt Cladera. "De nieuwigheid is hoe al deze problemen kunnen worden opgelost, zodat de robots betrouwbaar zijn in ruwe omgevingen."

Het team bespreekt nog steeds hun plannen voor toekomstige rondes van SubT, met de volgende ronde in februari in een stedelijke omgeving, wat betekent meer door mensen gemaakte structuren en vormen zoals scherpe hoeken, gladde muren, en trappen. Ongeacht wat er in het verschiet ligt, het creëren en sturen van robots naar uitdagende real-world omgevingen is van fundamenteel belang voor vooruitgang, zowel bij Penn als op het gebied van robotica als geheel, vooral voor een toekomst waarin geautomatiseerde systemen kunnen worden belast met een breed scala aan uitdagende taken, van autorijden tot het zoeken naar overlevenden.

Onderzoekers van Penn's General Robotics, Automatisering, voelen, en Perception Lab zijn goed geplaatst om deze uitdagingen aan te gaan, Mede dankzij een cultuur die samenwerking en communicatie stimuleert. "Het is iets dat we iedereen bijbrengen die onze faciliteit binnenkomt, ", zegt Taylor. "Als je je geen zorgen maakt over een project dat alleen binnen je expertisegebied past, als je bereid bent om breed te zijn over hoe je denkt, het stelt je in staat om grotere dingen te doen."