Desenvolupen un mètode matemàtic aplicat a robòtica amb més capacitat de cerca d'objectes i persones
El departament d'Enginyeria Electrònica, de Sistemes Informàtics i Automàtica de la Universitat de Huelva ha desenvolupat un mètode matemàtic que millora els resultats d'exploració dels autòmats. D'aquesta manera, es podran crear robots amb funció de localització de persones i objectes "més eficaços i amb menor consum energètic".
En l'article publicat per la revista "IEEE/ASME Transactions on Mechatronics" amb el títol Toward Simple Strategy for Optimal Tracking and Localization of Robots with Adaptive Particle Filtering, els científics han desenvolupat un mètode algorítmic basat en una sèrie d'equacions bàsiques que determina la forma en la qual els robots han de buscar objectius concrets minimitzant el temps, la capacitat de còmput i, per tant, l'energia que consumeixen per trobar-l'ho, segons ha informat la Fundación Descubre en una nota.
"El problema en els sistemes de localització actuals és que utilitzen molts recursos innecessaris per aconseguir l'objectiu que se'ls planteja. Cal buscar els paràmetres òptims que n'automatitzin el procés", explica l'investigador de la Universitat de Huelva i autor de l'article, Tomás Mateo Sanguino.
L'expert, que pertany al grup de recerca de Control i Robòtica, afegeix que la capacitat dels sistemes robòtics per navegar de forma autònoma en entorns desconeguts depèn, en gran mesura, d'estratègies com la superació dels problemes de creació de mapes, la localització simultània, la generació autònoma de trajectòries o evitar obstacles.
Com apunta l'investigador, això no sempre s'aconsegueix de manera "òptima", ja que, assegura, "els resultats són poc eficients, el cost computacional alt i la configuració de les variables, en la majoria dels casos, massa complexes".
Menys energia, més eficiència
En primer lloc, un robot ha de conèixer la seva ubicació en un lloc concret i analitzar els elements espacials que l'envolten. Després, ha d'establir el seu objectiu i avaluar les diferents possibilitats que li permetin aconseguir-ho en el menor temps possible. A més, ha de recalcular tot de nou si en algun moment canvien les condicions de l'entorn.
Per tant, els experts volen poder generalitzar dels problemes per aplicar-los en diferents escenaris on les variables canvien en el temps. La combinació d'estratègies d'adaptació, predicció i optimització incrementa l'eficiència en la cerca de solucions.
Fins al moment, aquests ajustos es realitzen amb molta dificultat i amb un nivell d'encert baix. No obstant això, els estudiosos han confirmat que l'algorisme creat permet una generalització molt àmplia i aprofita certes tècniques d'optimització per ser més eficaç.
A partir d'aquí, els investigadors proposen aplicar aquesta metodologia fonamentada en el filtre de partícules adaptatiu basat en dispersió (DAPF), que consisteix a proporcionar més partícules durant l'estat de cerca inicial del problema (quan la localització presenta major incertesa) i menys partícules durant l'estat de seguiment següent (quan hi ha menys incertesa). Podria comparar-se amb la cerca d'objectius usant un conjunt de bales intel·ligents. Al principi, quan no es coneix l'espai on s'està buscant (per exemple, píxels blaus en una imatge), es dedicarien més boles a trobar la característica objectiu .
Les bales anirien copant tot l'espai de cerca i a mesura que trobessin l'objectiu s'agruparien al seu voltant. Gràcies a l'algorisme d'optimització es redueix el nombre de bales en aquesta fase i els esforços només se centrarien en el seguiment de l'objectiu.
El temps i els recursos també afecten a l'energia
Després dels experiments, s'ha demostrat que usant un nombre variable de partícules, la població de les quals obeeix a l'algorisme desenvolupat, els robots són capaços d'enfocar els recursos en l'element concret que se'ls requereix localitzar. El temps i l'ús de recursos computacionals també afecta a l'energia utilitzada en la cerca, que serà molt menor que en altres algorismes similars.
D'aquesta manera, resolen també un altre dels problemes associats a aquesta funció dels robots, que veuen com s'esgota abans d'hora la capacitat de càrrega de les bateries implantades durant el desenvolupament de la seva missió.
