Planificación energéticamente eficiente de la trayectoria de los robots con ruedas en entornos no estructurados...

Área de la Ciencia:

• La robótica
• Inteligencia artificial
• Aprendizaje profundo

Sus antecedentes:

• Los robots con ruedas se enfrentan a importantes desafíos de consumo de energía en la inspección urbana y en entornos no estructurados.
• La planificación eficiente de la trayectoria es crucial para ampliar el alcance operativo y reducir el consumo de energía.

Objetivo del estudio:

• Desarrollar un método de planificación de trayectoria similar al humano utilizando el aprendizaje profundo para reducir el consumo de energía en robots con ruedas.
• Mejorar la precisión de la predicción de trayectorias en entornos complejos y peligrosos.

Principales métodos:

• Utilizó una red neuronal convolucional (CNN) con atención multidimensional para la extracción de características espaciales de escenas de conducción y mapas de radar.
• Empleó una red mejorada de memoria a corto plazo (LSTM) para capturar dependencias temporales, incorporando información de estado en el módulo de actualización de la puerta.
• Potencia integrada, velocidad y velocidad angular como restricciones para refinar la precisión del mapeo de la trayectoria.

Principales resultados:

• El método de aprendizaje profundo propuesto demostró reducciones significativas en el consumo acumulado de energía en comparación con los enfoques tradicionales y de última generación.
• Logró una mayor precisión en la predicción de las trayectorias futuras de los robots.
• El modelo aprendió efectivamente los comportamientos de manipulación humana, lo que condujo a un rendimiento superior de ahorro de energía.

Conclusiones:

• El método de planificación de trayectoria similar a la humana ofrece una solución prometedora para la navegación de robots con eficiencia energética en entornos urbanos y no estructurados desafiantes.
• El aprendizaje profundo, en particular las CNN y LSTM con mecanismos de atención, puede optimizar efectivamente el consumo de energía del robot y la precisión de la navegación.