Wetenschappers van het MIT en Ford hebben een navigatiemethode voor bezorgrobots ontwikkeld die niet is gebaseerd op het vooraf in kaart brengen van het gebied met alle huizen. De methode gaat uit van aanwijzingen als 'garage' of 'voordeur' om het juiste adres te vinden.
Volgens de onderzoekers kan deze techniek ertoe leiden dat de robots een veel kortere tijd nodig hebben om een terrein te verkennen en de uiteindelijke bestemming te vinden. Bovendien zijn hierbij geen afbeeldingen van specifieke huizen nodig. Onderzoeker Michael Everett van het MIT zegt dat de techniek het mogelijk maakt om de robot in feite aan het einde van iemands oprit neer te zetten, waarna hij eigenhandig de deur vindt.
Aan de basis van deze methode ligt de introductie van natuurlijke, semantische taal voor robotsystemen, zodat de robots aan de hand hiervan worden getraind. In de praktijk betekent dit dat ze bij het zien van een deur dit object ook als een deur verwerken en niet simpelweg als een rechthoekig obstakel. Het gaat er dus om dat robots een 'idee' krijgen van wat de dingen in hun directe omgeving precies zijn.
De onderzoekers gebruiken dit soort semantische technieken als een soort springplank voor hun nieuwe navigatiemethode, waarbij bestaande algoritmen worden ingezet. Deze algoritmen halen eigenschappen uit visuele data om een nieuwe kaart van dezelfde omgeving te maken, waarbij de context en de semantische aanwijzingen worden weergegeven.
Volgens de onderzoekers waren robots met deze algoritmen al in staat om objecten te herkennen en in hun directe omgeving in kaart te brengen. Ze waren echter tot nu toe niet in staat om direct beslissingen te nemen tijdens het navigeren in een nieuwe omgeving, bijvoorbeeld over de efficiëntste route naar een semantische bestemming, zoals een voordeur. Voorheen kwam de robot er wel, maar duurde het relatief lang, aldus de onderzoekers.
De verbetering werd mogelijk door de semantische kaart te vertalen in een tweede kaart, waarin met verschillende grijstinten wordt aangegeven hoe dicht bepaalde objecten op de kaart bij de eindbestemming zijn. Donkere regio's betekenen verder weg van het doel en lichtere delen betekenen dat de robot in de buurt is. De stoep zal bijvoorbeeld donkerder zijn dan de lichtere oprit. Het nieuwe, hiervoor benodigde algoritme werd getraind op basis van satellietbeelden van Bing Maps, met daarop 77 huizen van drie voorstedelijke buurten. Het systeem vertaalde een semantische kaart door naar de kaart met de grijstinten, zodat de robot de lichtere delen naar zijn einddoel kan volgen.
Tijdens een test bij een volledig nieuw huis, waarbij de opgebouwde dataset niet is gebruikt, bleek dat de de robot de voordeur 189 procent sneller wist te vinden dan met de inzet van klassieke navigatiealgoritmen. Volgens de onderzoekers is dat verschil te verklaren doordat bij de klassieke methode geen context of betekenisleer wordt gebruikt. De robots slagen er volgens de wetenschappers ook in om het einddoel te vinden in gebieden die nog niet in kaart zijn gebracht; waarschijnlijk dankzij aanwijzingen die overeenkomen met eerdere gebieden.
Het onderzoek wordt deze week gepresenteerd op de International Conference on Intelligent Robots and Systems en is deels gefinancierd door de Ford Motor Company.