This post is also available in:
English (אנגלית)
רובוטים אוטונומיים מתמודדים עם אתגר מתמשך – ניווט בסביבות מורכבות ובלתי־צפויות ללא התערבות אנושית. מערכות ניווט סטנדרטיות מסתמכות בדרך כלל על GPS כדי לקבוע את מיקום הרובוט על מפה, אך בתרחישים רבים במציאות, כמו מבנים קרסוּת, מערות, יערות צפופים או חללים בלתי־מאורגנים אחרים, ה-GPS אינו אמין או שאינו זמין. מגבלה זו מצמצמת במידה ניכרת את יכולת הרובוטים לבצע משימות חיפוש והצלה, בדיקות תשתיות או משימות אחרות הדורשות תנועה אוטונומית מדויקת.
צוות חוקרים במכון לטכנולוגיה בבייג'ינג פיתח מסגרת ניווט חדשה בהשראת מערכות ביולוגיות, המאפשרת לרובוטים לנוע בסביבות מורכבות ללא הסתמכות על GPS. המערכת משלבת אסטרטגיות שנצפו בחרקים, ציפורים ומכרסמים ליצירת גישה מאוחדת ועמידה בתקלות. באמצעות שילוב מספר אסטרטגיות ניווט במקום הסתמכות על שיטה אחת בלבד, המערכת מפחיתה שגיאות, משפרת יעילות אנרגטית ומבטיחה חוסן גם כאשר חיישן אחד נכשל.
על פי דיווח של TechXplore, המסגרת כוללת שלושה מרכיבים עיקריים. ראשית, משלב מסלול בהשראת חרקים הפועל כסופר צעדים פנימי, המאפשר מעקב אחר תנועה גם כאשר מקורות חיצוניים מוגבלים. שנית, מערכת מיזוג חיישנים מרובת־תחושות בהשראת ציפורים משלבת נתונים ממספר כניסות, כולל מגנטומטרים קוונטיים, מצפנים מבוססי פולריזציה וחיישנים ויזואליים, כדי לשמור על מידע מדויק לגבי כיוון התנועה גם אם חיישן אחד נפגע. שלישית, מערכת מיפוי קוגניטיבית בהשראת מכרסמים מעדכנת את הזיכרון המרחבי באופן סלקטיבי, ומשלבת רק נקודות ציון משמעותיות כדי למקסם את יעילות האנרגיה.
ניסויי שטח נרחבים עם 23 פלטפורמות רובוטיות הראו שיפורים משמעותיים בהשוואה למערכות SLAM (Simultaneous Localization and Mapping) סטנדרטיות. הרובוטים שהשתמשו במסגרת חוו ירידה של 41% בהסטת מיקום, עד 60% יעילות אנרגטית גבוהה יותר, והתאוששות מהירה משמעותית מכשלים בחיישנים. העמידות המובנית של המערכת, המכונה "דגנרציה", מאפשרת לרובוטים להמשיך לנווט ביעילות גם אם רכיב אחד נכשל.
מעבר ליישומים מסחריים, לטכנולוגיה זו יש פוטנציאל רלוונטי גם להגנה ובתגובה חירום. רובוטים מצוידים בניווט אוטונומי כזה יכולים לפעול בסביבות שבהן GPS אינו זמין — כמו מבנים שקרסו או מתקנים תת־קרקעיים — ולבצע סיור, חיפוש והצלה או משימות בדיקה ללא פיקוח אנושי רציף.
החוקרים בוחנים שיפורים נוספים, כגון למידה רציפה על השבב והרחבת המערכת לסביבות בקנה מידה של קילומטרים. מטרתם היא ליצור רובוטים שלא רק מחקים התנהגויות ניווט של בעלי חיים, אלא גם מתאימים את עצמם ולומדים לאורך זמן, תוך השגת אוטונומיה איתנה בסביבות מהמאתגרות ביותר שניתן לדמיין.
המחקר פורסם כאן.
