在動態環境中,機器人在沒有問題的情況下工作。學分:弗朗西斯科Yubla/Essfol

在自動化通過跳躍和邊界的世界中,機器人之間的合作不再是科幻小說。想像一下,一個倉庫,有數十輛汽車在沒有碰撞的情況下運輸貨物,一家機器人在右桌子上提供餐具的餐廳或機器人團隊根據需求立即糾正其任務的工廠。

得益於基於ROS2的開源框架,這一未來是可能的,該框架使幾個機器人可以合理,靈活和安全地一起工作。有工作 出版 在雜誌中 IEEE訪問場地

從理論到實踐,重要的是研究機器人如何學習一起導航。機器人之間合作的關鍵是他們實時交流和做出決定的能力。該系統集成了三個重要功能:

自主導航: 每個機器人都使用類似於GPS系統適應的算法來計算最佳路由,但適用於動態環境。使用涼亭等工具,機器人在實際工作之前在虛擬世界中訓練。如果他們面臨意想不到的障礙,例如倒下的盒子,他們會立即敘述自己的道路。

適應性行為: 該系統使用“行為樹” – 根據說明的一種動態指南。例如,如果機器人卡住了,他首先試圖轉彎,然後回去,如果問題仍然存在,他請求中央系統的幫助。這種方法不僅可以防止碰撞,而且允許系統擴展 – 從實驗室的兩個機器人到工廠的20個機器人。

計算機視覺和任務分佈: 關節系統的眼睛和大腦保證機器人知道他們在哪里和做什麼。該系統結合了兩種技術:Aruco標記物,類似於機器人技術的QR編碼,在充當參考點的環境中的小型打印字符以及發現這些標記物併計算出小於3 cm誤差的每個機器人的確切位置的分佈式攝像機。

好像機器人攜帶不斷更新的內部地圖。另一個技術是任務的智力任務:該系統分發了最接近的負擔得起的機器人,例如,選擇最短路線的交付。如果一個機器人失敗,另一個機器人會自動取代其位置,以確保任務永遠不會停止。

具有集體大腦的機器人:一般情報的革命

擴展,智力和為任何行業做好準備。學分:弗朗西斯科Yubla/Essfol

為了檢查系統,研究人員模擬了複雜方案。他們使用了工業倉庫,在標有Aruko的車站之間,機器人避免了交通擁堵。該團隊還使用了為某些桌子提供汽車的餐廳,以避免在狹窄的走廊中越過路徑。最後,他們在實驗中與異質團隊(從小型機器人到機器人武器)測試了實驗室。

結果令人信服,當機器人的平均誤差為2.5 cm時,可以達到準確性。該系統表現出極大的可靠性:如果機器人失敗,另一個在幾秒鐘內就可以接管任務。

最後,考慮到該系統與五個或15個機器人的效果同樣很好,可以適應環境的需求,因此考慮了可伸縮性 – 機器人技術中的關鍵問題。這種結構不僅旨在用於機器人技術專家。

作為開源代碼,並基於ROS2(一個廣泛使用的平台ROS2),任何公司都可以設置它。醫院可以為提供毒品的機器人編寫機器人,該機器人是優化供應物的物流中心,甚至是用於管理自主旅行的博物館。此外,這減少了對人類操作員重複任務的依賴,從而使人員釋放了更具戰略作用的人。

更多信息:
Francisco Yumbla等人,基於ROS2的聯合環境的多人遊戲開源系統, IEEE訪問 (2025)。 doi:10.1109/Access.2025.3530391

由Escuela Superior Polytechnic Del Litoral提供


引用:集體大腦的機器人:一般情報的革命(2025年8月18日),於2025年8月18日收到

該文檔具有版權。除了出於私人研究或研究目的的一些公平交易外,如果沒有書面解決方案,就無法再現。內容僅用於信息目的。



來源連結