Sikerült kiküszöbölni egy fontos problémát, amely az egyik akadálya volt az önvezető szállító járművek alkalmazásának a házhoz szállításban. Az már évek óta téma, hogy az e-kiskereskedelem egyik komoly költségtényezőjét, az elosztó központoktól a megrendelőig történő kiszállítást – az ún. utolsó kilométeres szállítást – autonóm eszközökkel optimalizálják.

Az Amazon és a Walmart drónokkal próbálkozik, de született több koncepció a közúti szállításra is. Egy a Skype-alapítók által gründolt startup, a Starship már négy éve bemutatta első járművét, amit az USA-ban egyetemi kampuszokon már használnak például ételszállításra. Egy évvel később egy ausztrál cég is jelentkezett hasonló eszközzel. Tavaly az amerikai Kroger élelmiszerlánc is ebbe az irányba lépett: kísérleti jelleggel közterületen is elkezdte használni kiszálításra a Nuro nevű startup önjáró szállító eszközét.

Nagy munka és problémás is

Ahhoz, hogy a jármű pontosan megtalálja a célpontot és azt a helyet, ahol le kell raknia az árut (feltéve, hogy nem a vásárlónak kell várnia otthon az önjáró szállítót), meg kellett tanítani számára a célhelyeket. És ez az egyik fontos gyenge pontja a kiszállítás teljes automatizálásának. Az egyes házak feltérképezése ugyanis nagyon nagy munka, ráadásul lehetnek ezzel kapcsolatban biztonsági aggályok, és sérülhet a magánélethez való jog is.

A MIT (Massachusetts Institute of Technology) kutatói a Ford fejlesztőmérnökeivel összefogva most találtak egy áthidaló megoldást. Már létező technológiákat felhasználva olyan irányító rendszert fejlesztettek, amely nem előre betáplált adatok alapján, hanem analógiákat keresve navigál.
 

A szállító robotokat megtanítják arra, hogy különböző jelekből képesek legyenek azonosítani a környezetüket. Ilyen információ például, hogy egy autófelhajtó gyakran egy járdához vezet, amiről pedig egy ház valamelyik bejárati ajtajához lehet jutni. Ha szállító robot olyan helyre szállít, ahol még soha nem járt, ebből a tudáskészletből be tudja azonosítani azokat az elemeket, melyeket máshol már látott. Hiába vannak az azonosítható elemek máshogy elrendezve, a már ismert elemek segítenek a tájékozódásban.

Ismert algoritmusokat használtak

A fejlesztés során olyan, már létező gépi látás algoritmusokat használtak fel, amelyek a vizuális adatokat képesek szemantikailag azonosítani. Elsősorban azokra az újabb kutatási eredményekre támaszkodtak, amelyek a természetes szemantikus nyelvet alkalmazzák robotvezérlésre – írja az egyetem honlapja. Ezek az algoritmusok a szemantikai címkék segítségével értelmezik a vizuális információkat, ami lehetővé teszi például, hogy egy ajtót nem csak szilárd, téglalap alakú akadályként, hanem funkciója szerint (bejárati ajtó, garázskapu stb.) azonosíthassanak.

A robot a vizuális jelek azonosításával, feldolgozásával és kontextusba helyezésével elkészíti pillanatnyi helyzetének térképét, ami alapján önállóan tud döntést hozni: meghatározza a csomag lerakásának helyét, vagy kijelöli a célhoz vezető optimális útvonalat.

Az új technika révén egy önjáró szállítóeszköz sokkal gyorsabban és olcsóbban munkába állítható, mert nem kell beletáplálni az egyes lakóhelyek térképi adatait. Az utasítások is egyszerűbbé válnak, hiszen nem koordináták alapján határozzák meg a célpontot, hanem szóbeli utasításokkal (például bejárati ajtó, garázskapu stb.).