Команда профессора Кюнджуна Парка из DGIST разработала алгоритм, который заставляет дешевые лидары видеть невидимое — например, стеклянные стены. Обычно для этого требуются дорогие сенсоры, но новый подход решает проблему на уровне софта, а не железа.

Результаты опубликованы в издании IEEE Transactions on Instrumentation and Measurement.

Автономные роботы и дроны полагаются на лидары — лазерные «глаза», которые сканируют пространство, измеряя расстояние до объектов. Но у бюджетных моделей есть слабое место: они не замечают прозрачные препятствия. Стекло или акрил для них — пустота, что может привести к столкновению. Дорогие аналоги справляются лучше, но их цена выше в разы.

Ученые из DGIST предложили алгоритм PINMAP, который учит дешевые лидары видеть стекло. Вместо того чтобы требовать мгновенного обнаружения, программа накапливает редкие сигналы, которые сенсор улавливает случайно, и вычисляет вероятность наличия прозрачной преграды.

Технология построена на открытых инструментах Cartographer и Nav2, поэтому легко встраивается в существующие системы без переделок. В тестах PINMAP обнаруживал стеклянные стены с точностью 96,77%, тогда как стандартные методы с теми же сенсорами давали почти нулевой результат.

Раньше считалось, что качество сенсоров определяет возможности системы, — говорит профессор Парк. — Но мы показали, что софт может компенсировать слабости железа. Теперь стабильная автономная навигация возможна без дорогой аппаратуры.

Главное преимущество — цена. Решение в 10 раз дешевле аналогов, при этом не уступает им в точности. Технология пригодится в роботах для больниц, аэропортов и складов, где стеклянные перегородки — обычное дело.

Польза исследования

• Экономия — позволяет отказаться от дорогих сенсоров без потери качества.
• Масштабируемость — легко интегрируется в существующие системы.
• Безопасность — снижает риск столкновений с прозрачными объектами.
• Доступность — ускоряет внедрение автономных роботов в коммерческих проектах.

Отметим, что алгоритм полагается на редкие сигналы, а значит, в динамичной среде (например, при движении на высокой скорости) точность может снижаться. Нужны тесты в реальных условиях, а не только в лаборатории.

Ранее мы выпустили материал про роботов-мойщиков окон.