Um novo algoritmo, que reúne informações dos movimentos de robôs, facilita o deslocamento dessas máquinas, segundo pesquisa feita pela Purdue University. O método consiste em mapear as regiões e armazenar as informações, “adivinhando” o espaço com maior facilidade e velocidade.

George Lee e um time de pesquisadores mostraram uma forma de reunir as informações coletadas pela técnica SLAM (localização e mapeação simultânea), para que o robô saiba para onde se mover. A pesquisa foi patrocinada pela National Science Foundation, dos Estados Unidos.

Veja também:
Álbum de fotos: robô-cirurgião
Álbum de fotos: uma doméstica robô

No procedimento, os algoritmos identificam regiões inexploradas, conhecidas como “cubículos na fronteira”, adjacentes às áreas já mapeadas. O padrão de cantos, da extremidade desta célula, é usado para procurar padrões parecidos, que já tenham sido mapeados. Se existe compabitilidade, o algoritmo utiliza o mapa existente para prever estas fronteiras.

Cada previsão avalia a “conquista de confiança”. Áreas com pontuação alta não são exploradas para que se ganhe tempo, enquanto previsões com baixa confiança são mapeadas apropriadamente.

Inicialmente, o algoritmo foi testado através da simulação de robôs em ambientes virtuais, como escritórios. Eles se deslocaram com sucesso enquanto exploravam em torno de 33% do ambiente.

Testes reais, com pequenos robôs, mostraram que as máquinas eram capazes de economizar tempo, mas em alguns momentos erraram a mapeação. Os erros ocorreram graças a previsões combinadas às medidas feitas com instrumentos. Construir mapas utilizando apenas medidas é menos preciso, pois provavelmente os intrumentos errarão.

Os pesquisadores pretendem testar o método com mais de um robô, para que eles compartilhem dados ao se encontrarem. Isto permitirá que um robô faça previsões baseado em dados coletados por seu time.

O mapeamento do robô é parecido com o dos humanos. Ao invés de coletar todas as informações detalhadamente, são apreendidas características estáticas e repetitivas no ambiente. Apesar da eficiência, o método ainda possui limitações, como não funcionar bem em ambientes abertos.