Onderzoekers hebben een nieuw algoritme ontwikkeld dat robots in staat stelt om complexe bewegingen te plannen en bij te sturen met een theoretische garantie op een optimaal resultaat. De methode, genaamd GlobMP, richt zich op continue-tijd planning om veiligheid en vloeiendheid in bewegingen te waarborgen.
In de wereld van de robotica is bewegingsplanning een cruciaal onderdeel. Het wordt steeds vaker ingezet om bewegingen die zijn voorgesteld door geleerde planners of beleidsregels (policies) te corrigeren. Een fundamentele uitdaging hierbij is dat beperkingen — zoals het vermijden van obstakels — op elk specifiek moment van de beweging moeten gelden, en niet enkel op willekeurige bemonsterde tijdstippen.
Volgens een wetenschappelijke publicatie op arxiv.org bestond er tot nu toe geen algoritme dat bewijsbaar kon convergeren naar een globaal optimale beweging wanneer een kostenfunctie voor vloeiendheid werd gecombineerd met dergelijke strikte beperkingen. De auteurs van het onderzoek, waaronder Mohsen Amiri, Sima Didari en Yeongdae Kwon, presenteren een oplossing voor dit probleem.
De werking van GlobMP
De voorgestelde methode, GlobMP (Global Motion Planning), benadert planning en bijsturing als één enkel programma in continue tijd. Hierbij moeten robots zowel statische als bewegende obstakels vermijden, terwijl ze tegelijkertijd dicht bij een voorgestelde route blijven. Hoewel dit programma eenvoudig te formuleren is, is het wiskundig gezien niet-convex, wat optimalisatie normaal gesproken zeer complex maakt.
GlobMP maakt gebruik van een zogenaamde 'gradient projection method' over stuksgewijze polynoomcurves. In dit systeem is elke beperking een polynoom per segment die gedurende de gehele beweging non-negatief moet blijven. Het algoritme wisselt het verlagen van de kosten af met het herstellen van de haalbaarheid van de route.
De onderzoekers tonen aan dat de kosten van de beweging, uitgaande van een fijnmazig startrooster, het globale optimum benaderen naarmate het aantal polynoomstukken toeneemt. Dit betekent dat elke beperking tot een gekozen tolerantie, of in stabiele gevallen zelfs exact, kan worden nageleefd.
Praktische toepassingen en resultaten
Om de effectiviteit van GlobMP te bewijzen, zijn er diverse experimenten uitgevoerd in zowel synthetische als reële omgevingen. De resultaten laten een superieure prestatie zien ten opzichte van bestaande sterke baselines. De tests omvatten onder andere:
- Multi-robot systemen: De aansturing van teams bestaande uit maximaal 200 robots.
- Testbeds: Planning op het Robotarium-testbed en een uitgebreide benchmark.
- Navigatie: Het succesvol navigeren door doolhoven.
- Humanoïde robotica: Het bijsturen van tactiel-reactieve beleidsregels op een bimanuele humanoïde robot.
Context van continue beweging
Het concept van 'continuïteit' staat centraal in dit onderzoek. In algemene zin wordt een continu proces beschreven als iets dat plaatsvindt zonder pauze of onderbreking, zoals een ononderbroken lijn of een constante geluidstoon, zoals gedefinieerd in het cambridge.org. In de context van robotica betekent dit dat de veiligheidscontroles niet slechts op intervallen plaatsvinden, maar over de gehele tijdlijn van de actie.
Hoewel andere bronnen zoals het cambridge.org en referentiewerken van thefreedictionary.com en collinsdictionary.com zich primair richten op de taalkundige betekenis van termen, onderstreept de technische toepassing in het onderzoek van Amiri et al. de noodzaak van deze ononderbroken benadering voor de veiligheid van autonome systemen.
Het onderzoek is op 22 oktober 2026 ingediend en biedt een nieuwe theoretische basis voor het optimaliseren van robotbewegingen waarbij zowel efficiëntie als strikte naleving van fysieke grenzen vereist zijn.