🐶 Использовать робособак для поисковых операций в опасных условиях всегда казалось заманчивой идеей. В конце концов, сенбернары хороши в снежных Альпах, но если у вас есть сердце, то вы не отправите своего питомца в горящие и задымленные помещения искать потерявших сознание людей. Лучше делегировать это машине!
🤖 А вот с этим есть проблемы: робопёс, забежав в незнакомое помещение после землетрясения или пожара, обычно ведёт себя как пылесос, который впервые оказался в новой квартире. Он строит карту и тупо идёт к ближайшей неизведанной точке.
Это называется frontier-based exploration (исследование на основе границ) — подход, основанный на систематическом расширении известной территории, когда машина направляется к «границам» (frontiers) — зонам на стыке исследованного (свободного) и неисследованного пространства.
🏠 Однако цель спасательной операции, как ни странно, в спасении пострадавших. А ближайшая неизведанная точка может оказаться длинным коридором, уводящим в сторону от завала в десяти метрах левее, откуда раздаются крики о помощи.
❗️Короче говоря, необходимо, чтобы квадрупед понимал, куда ему идти в первую очередь. Для этого разработали situation-aware frontier prioritization — ситуационно-зависимую приоритизацию «границ».
🤖 Каждое возможное направление робот оценивает по пяти критериям:
1️⃣сколько новой информации оно даст для построения карты;
2️⃣ насколько плохо обследован участок;
3️⃣ есть ли поблизости предварительные признаки пострадавшего;
4️⃣ насколько сложна или рискованна дорога;
5️⃣ сколько времени и пути потребуется до цели.
✨ Главное новшество — система использует даже предварительные визуальные сигналы. Если робот заметил возможную цель, он еще не считает пострадавшего подтвержденным, но повышает приоритет соседних «границ». Получается машинная версия здравого смысла: «Возможно, мне показалось, но если там действительно человек, лучше проверить сейчас». ⏺Проверка эффективности:
Алгоритм испытали в Gazebo на цифровой модели Unitree Go2 под управлением ROS 2. Роль пострадавших выполняли визуальные прокси, а предварительные наблюдения засчитывались как подтвержденная цель только после повторного обнаружения.
В сложном окружении — с двумя целями, плотными препятствиями, разветвленной планировкой и несколькими конкурирующими направлениями новый подход оказался наиболее успешен:
🟢 Situation-aware — 20 успешных миссий из 20 и в среднем 2 подтвержденные цели;
🟡 Risk-aware — 19 из 20 и 1,95 цели;
🟠 Nearest Frontier — 18 из 20 и 1,80 цели;
🔴 Information Gain — 14 из 20 и 1,55 цели.
👨🚒 Впрочем, удостоверение спасателя Unitree Go2 пока выдавать рано. Исследование проведено исключительно в симуляции: два виртуальных окружения, условные пострадавшие, никаких испытаний с реальным дымом, пылью, динамическими обрушениями или отказами датчиков.
Физический робот в эксперименте не участвовал и никого не эвакуировал.
В общем пока квадрупеды всё ещё отличные инспекторы БТИ, но спасатели так себе. Хотя очевидно, что заголовки новостей, вроде «робот спас человека из-под завалов» скоро перестанут быть научной фантастикой.
