Un veicolo spaziale autonomo che esplora le regioni lontane dell’universo scende attraverso l’atmosfera di un remoto esopianeta. Il veicolo, ei ricercatori che lo hanno programmato, non sanno molto di questo ambiente.
Con così tanta incertezza, come può il veicolo spaziale tracciare una traiettoria che gli impedirà di essere schiacciato da qualche ostacolo in movimento casuale o portato fuori rotta da improvvisi venti di burrasca?
I ricercatori del MIT hanno sviluppato una tecnica che potrebbe aiutare questo veicolo spaziale ad atterrare in sicurezza. Il loro approccio può consentire a un veicolo autonomo di tracciare una traiettoria dimostrabile sicura in situazioni altamente incerte in cui vi sono molteplici incertezze riguardo alle condizioni ambientali e agli oggetti con cui il veicolo potrebbe entrare in collisione.
La tecnica potrebbe aiutare un veicolo a trovare un percorso sicuro attorno agli ostacoli che si muovono in modo casuale e cambiano forma nel tempo. Traccia una traiettoria sicura verso una regione mirata anche quando il punto di partenza del veicolo non è noto con precisione e quando non è chiaro esattamente come si muoverà il veicolo a causa di disturbi ambientali come vento, correnti oceaniche o terreno accidentato.
Questa è la prima tecnica per affrontare il problema della pianificazione della traiettoria con molte incertezze simultanee e complessi vincoli di sicurezza, afferma il co-autore Weiqiao Han, uno studente laureato presso il Dipartimento di Ingegneria Elettrica e Informatica e il Laboratorio di Informatica e Intelligenza Artificiale ( CSAIL).
“Le future missioni spaziali robotiche necessitano di un’autonomia consapevole del rischio per esplorare mondi remoti ed estremi per i quali esistono solo conoscenze pregresse altamente incerte. Per raggiungere questo obiettivo, gli algoritmi di pianificazione della traiettoria devono ragionare sulle incertezze e affrontare complessi modelli incerti e vincoli di sicurezza, ” aggiunge il co-autore principale Ashkan Jasour, un ex ricercatore CSAIL che ora lavora sui sistemi di robotica presso il Jet Propulsion Laboratory della NASA.
Insieme a Han e Jasour sul documento c’è l’autore senior Brian Williams, professore di aeronautica e astronautica e membro di CSAIL. La ricerca sarà presentata alla IEEE International Conference on Robotics and Automation ed è stata nominata per l’eccezionale paper award.
Evitando ipotesi
Poiché questo problema di pianificazione della traiettoria è così complesso, altri metodi per trovare un percorso sicuro in avanti fanno supposizioni sul veicolo, sugli ostacoli e sull’ambiente. Questi metodi sono troppo semplicistici per essere applicati nella maggior parte delle impostazioni del mondo reale e quindi non possono garantire che le loro traiettorie siano sicure in presenza di complessi vincoli di sicurezza incerti, afferma Jasour.
“Questa incertezza potrebbe derivare dalla casualità della natura o anche dall’imprecisione nel sistema di percezione del veicolo autonomo”, aggiunge Han.
Invece di indovinare le esatte condizioni ambientali e la posizione degli ostacoli, l’algoritmo ha sviluppato ragioni sulla probabilità di osservare diverse condizioni ambientali e ostacoli in luoghi diversi. Effettuerebbe questi calcoli utilizzando una mappa o immagini dell’ambiente dal sistema di percezione del robot.
Utilizzando questo approccio, i loro algoritmi formulano la pianificazione della traiettoria come un problema di ottimizzazione probabilistica. Questo è un framework di programmazione matematica che consente al robot di raggiungere obiettivi di pianificazione, come massimizzare la velocità o ridurre al minimo il consumo di carburante, tenendo conto dei vincoli di sicurezza, come evitare gli ostacoli. Gli algoritmi probabilistici che hanno sviluppato ragionano sul rischio, che è la probabilità di non raggiungere quei vincoli di sicurezza e gli obiettivi di pianificazione, dice Jasour.
Ma poiché il problema coinvolge diversi modelli e vincoli incerti, dalla posizione e forma di ciascun ostacolo alla posizione iniziale e al comportamento del robot, questa ottimizzazione probabilistica è troppo complessa per essere risolta con metodi standard. I ricercatori hanno utilizzato statistiche di ordine superiore delle distribuzioni di probabilità delle incertezze per convertire tale ottimizzazione probabilistica in un problema di ottimizzazione deterministica più diretto e semplice che può essere risolto in modo efficiente con i solutori standard esistenti.
“La nostra sfida era come ridurre la dimensione dell’ottimizzazione e considerare più vincoli pratici per farla funzionare. Passare da una buona teoria a una buona applicazione ha richiesto un grande sforzo”, afferma Jasour.
Il risolutore di ottimizzazione genera una traiettoria limitata al rischio, il che significa che se il robot segue il percorso, la probabilità che si scontri con un ostacolo non è maggiore di una certa soglia, ad esempio l’1%. Da questo, ottengono una sequenza di input di controllo che possono guidare il veicolo in sicurezza nella sua regione di destinazione.
Corsi di grafici
Hanno valutato la tecnica utilizzando diversi scenari di navigazione simulati. In uno, hanno modellato un veicolo sottomarino che tracciava un percorso da una posizione incerta, attorno a una serie di ostacoli dalla forma strana, verso una regione obiettivo. È stato in grado di raggiungere in sicurezza l’obiettivo almeno il 99 percento delle volte. Lo hanno anche utilizzato per mappare una traiettoria sicura per un veicolo aereo che evitava diversi oggetti volanti 3D che hanno dimensioni e posizioni incerte e potrebbero muoversi nel tempo, mentre in presenza di forti venti che ne influenzavano il movimento. Usando il loro sistema, l’aereo ha raggiunto la sua regione obiettivo con alta probabilità.
A seconda della complessità dell’ambiente, gli algoritmi hanno impiegato da pochi secondi a pochi minuti per sviluppare una traiettoria sicura.
I ricercatori stanno ora lavorando su processi più efficienti che ridurrebbe significativamente il tempo di esecuzione, il che potrebbe consentire loro di avvicinarsi agli scenari di pianificazione in tempo reale, afferma Jasour.
Han sta anche sviluppando controller di feedback da applicare al sistema, che aiuterebbero il veicolo ad attenersi più vicino alla sua traiettoria pianificata anche se a volte devia dalla rotta ottimale. Sta anche lavorando a un’implementazione hardware che consentirebbe ai ricercatori di dimostrare la loro tecnica in un vero robot.
Questa ricerca è stata supportata, in parte, da Boeing.
