In un recente studio “IndoorSim-to-OutdoorReal: Imparare a navigare all’aperto senza alcuna esperienza all’esterno”, Joanne Truong, Student Researcher, e Wenhao Yu, Research Scientist, presso la divisione di Robotics di Google, hanno presentato la loro nuova soluzione per risolvere il complesso problema della navigazione di robot mobili in ambienti esterni. Questo tipo di navigazione risulta cruciale per applicazioni reali, come la consegna o il soccorso in caso di disastri naturali.
Il problema principale consiste nel far percepire al robot l’ambiente circostante e nell’identificare i percorsi possibili per raggiungere l’obiettivo. Un’altra difficoltà consiste nel far superare al robot terreni accidentati, come scale, marciapiedi, sentieri con rocce, evitando gli ostacoli e i pedoni. In un precedente studio, i ricercatori di Google avevano risolto questo tipo di problematica, insegnando ad un robot quadrupede a superare ostacoli di varie forme e dimensioni su diversi terreni esterni.
Nell’articolo “IndoorSim-to-OutdoorReal: Learning to Navigate Outdoors without any Outdoor Experience”, i ricercatori presentano la loro soluzione per la navigazione di robot mobili in ambienti esterni. Essi hanno sviluppato un algoritmo di trasferimento dall’ambiente indoor a quello outdoor basato sull’apprendimento automatico attraverso il reinforcement learning. Tale algoritmo permette di addestrare un robot alla navigazione in un ambiente simulato indoor e di trasferire la medesima strategia di navigazione in ambienti reali esterni.
Gli autori hanno introdotto le Context-Maps, delle mappe con le osservazioni ambientali create dall’utente, che vengono applicate all’algoritmo per consentire una navigazione a lungo raggio efficiente. Grazie a questa soluzione, i robot possono navigare con successo per centinaia di metri in ambienti esterni sconosciuti, superando ostacoli come alberi, arbusti, edifici, pedoni, in diverse condizioni atmosferiche, come sole, nuvole, tramonto.
