Seu robô sabe onde está agora? Será? Você é claro? E quanto a todos os seus amigos robôs, eles também sabem onde estão? Isso é importante. Tão importante, de fato, que alguns diriam que a localização e mapeamento simultâneos de vários robôs (SLAM) é uma capacidade crucial para obter consciência situacional oportuna em grandes áreas. Esses seriam um grupo de roboticistas do MIT que acabaram de ganhar o Transações IEEE em Robótica Best Paper Award for 2022, apresentado na IEEE International Conference on Robotics and Automation (ICRA 2023) deste ano em Londres. Parabéns!
Dos mais de 200 artigos publicados em Transações em Robótica no ano passado, revisores e editores votaram para conceder o prêmio de melhor artigo do Memorial IEEE Transactions on Robotics King-Sun Fu de 2022 a Yulun Tian, Yun Chang, Fernando Herrera Arias, Carlos Nieto-Granda, Jonathan P. How e Luca Carlone do MIT por seu artigo Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems.
“O conselho editorial e os revisores ficaram profundamente impressionados com a elegância teórica e a relevância prática deste artigo e do código-fonte aberto que o acompanha. O Kimera-Multi é agora o padrão-ouro para SLAM multi-robô distribuído.”
—Kevin Lynch, editor-chefe, Transações IEEE em Robótica
Os robôs contam com localização e mapeamento simultâneos para entender onde estão em ambientes desconhecidos. Mas ambientes desconhecidos são um lugar grande e é preciso mais de um robô para explorar todos eles. Se você enviar uma equipe inteira de robôs, cada um deles poderá explorar seu próprio pedaço e, em seguida, compartilhar o que aprenderam uns com os outros para criar um mapa muito maior do qual todos possam aproveitar. Como a maioria das coisas robóticas, é muito mais fácil falar do que fazer, e é por isso que o Kimera-Multi é tão útil e importante. Os pesquisadores premiados dizem que o Kimera-Multi é um sistema distribuído que roda localmente em vários robôs ao mesmo tempo. Se um robô se encontra em alcance de comunicação com outro robô, eles podem compartilhar dados do mapa e usar esses dados para construir e melhorar um mapa globalmente consistente que inclui anotações semânticas.
Desde a filmagem do vídeo acima, os pesquisadores fizeram testes no mundo real com o Kimera-Multi. Abaixo está um exemplo do mapa gerado por três robôs enquanto eles percorrem um total de mais de dois quilômetros. Você pode ver facilmente como a precisão do mapa melhora significativamente à medida que os robôs conversam entre si:
Mais detalhes e código estão disponíveis no GitHub.
A T-RO também selecionou algumas excelentes Menções Honrosas para 2022, que são:
Stabilization of Complementarity Systems via Contact-Aware Controllers, por Alp Aydinoglu, Philip Sieg, Victor M. Preciado e Michael Posa
Pesquisa autônoma de cavernas com um robô aéreo, de Wennie Tabib, Kshitij Goel, John Yao, Curtis Boirum e Nathan Michael
Planejamento de manipulação preênsil: modelagem, algoritmos e implementação, por Florent Lamiraux e Joseph Mirabel
Manipulação Rock-and-Walk: Object Locomotion by Passive Rolling Dynamics and Periodic Active Control, de Abdullah Nazir, Pu Xu e Jungwon Seo
Atuadores suaves inspirados em origami para aplicações de percepção de estímulos e robôs rastejantes, de Tao Jin, Long Li, Tianhong Wang, Guopeng Wang, Jianguo Cai, Yingzhong Tian e Quan Zhang
Artigos do seu site
Artigos Relacionados na Web
[ad_2]
