ವಿನಾಶಕಾರಿ ಭೂಕಂಪದ ನಂತರ, ಮಾನವರಹಿತ ವೈಮಾನಿಕ ವಾಹನಗಳು (UAVs) ಸೈಟ್ ಅನ್ನು ನಕ್ಷೆ ಮಾಡಲು ಕುಸಿದ ಕಟ್ಟಡದ ಮೂಲಕ ಹಾರಬಲ್ಲವು, ರಕ್ಷಕರಿಗೆ ಅವರು ಬದುಕುಳಿದವರನ್ನು ತ್ವರಿತವಾಗಿ ತಲುಪಲು ಅಗತ್ಯವಿರುವ ಮಾಹಿತಿಯನ್ನು ನೀಡುತ್ತವೆ.
ಆದರೆ ಇದು ಸ್ವಾಯತ್ತ ರೋಬೋಟ್ಗೆ ಅತ್ಯಂತ ಸವಾಲಿನ ಸಮಸ್ಯೆಯಾಗಿ ಉಳಿದಿದೆ, ಇದು ಕೋರ್ಸ್ನಲ್ಲಿ ಇರುವಾಗ ಹಠಾತ್ ಅಡೆತಡೆಗಳನ್ನು ತಪ್ಪಿಸಲು ತನ್ನ ಪಥವನ್ನು ತ್ವರಿತವಾಗಿ ಸರಿಹೊಂದಿಸಬೇಕಾಗುತ್ತದೆ.
MIT ಮತ್ತು ಪೆನ್ಸಿಲ್ವೇನಿಯಾ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಸಂಶೋಧಕರು ಎರಡೂ ಸವಾಲುಗಳನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಪರಿಹರಿಸುವ ಹೊಸ ಪಥದ ಯೋಜನೆ ವ್ಯವಸ್ಥೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ. ಅವರ ತಂತ್ರವು UAV ಗೆ ಮಿಲಿಸೆಕೆಂಡ್ಗಳಲ್ಲಿ ಅಡೆತಡೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ ಮತ್ತು ಪ್ರಯಾಣದ ಸಮಯವನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಮೃದುವಾದ ಹಾರಾಟದ ಮಾರ್ಗವನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ.
ಅವರ ವ್ಯವಸ್ಥೆಯು ಹೊಸ ಗಣಿತದ ಸೂತ್ರೀಕರಣವನ್ನು ಬಳಸುತ್ತದೆ, ಅದು ರೋಬೋಟ್ ತನ್ನ ಗಮ್ಯಸ್ಥಾನಕ್ಕೆ ಕಾರ್ಯಸಾಧ್ಯವಾದ ಹಾದಿಯಲ್ಲಿ ಸುರಕ್ಷಿತವಾಗಿ ಪ್ರಯಾಣಿಸುವುದನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ ಮತ್ತು ಇತರ ತಂತ್ರಗಳಿಗಿಂತ ಕಡಿಮೆ ಕಂಪ್ಯೂಟೇಶನಲ್ ತೀವ್ರತೆಯನ್ನು ಹೊಂದಿದೆ. ಈ ರೀತಿಯಾಗಿ, ಇದು ಅತ್ಯಾಧುನಿಕ ವಿಧಾನಗಳಿಗಿಂತ ವೇಗವಾಗಿ ಮೃದುವಾದ ಪಥಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.
ರೋಬೋಟ್ನ ಆನ್-ಬೋರ್ಡ್ ಕಂಪ್ಯೂಟರ್ ಮತ್ತು ಸಂವೇದಕಗಳನ್ನು ಬಳಸಿಕೊಂಡು ನೈಜ-ಸಮಯದ ಹಾರಾಟಕ್ಕೆ ಪಥದ ಯೋಜಕವು ಸಾಕಷ್ಟು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ.
MIGHTY ಎಂದು ಕರೆಯಲಾಗುವ, ಓಪನ್ ಸೋರ್ಸ್ ಸಿಸ್ಟಮ್ಗೆ ನೂರಾರು ಸಾವಿರ ಡಾಲರ್ಗಳಷ್ಟು ವೆಚ್ಚ ಮಾಡಬಹುದಾದ ಸ್ವಾಮ್ಯದ ಸಾಫ್ಟ್ವೇರ್ ಪ್ಯಾಕೇಜ್ಗಳ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ. ವೈವಿಧ್ಯಮಯ ನೈಜ-ಪ್ರಪಂಚದ ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿ ಇದನ್ನು ಹೆಚ್ಚು ಸುಲಭವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು.
ಹುಡುಕಾಟ ಮತ್ತು ಪಾರುಗಾಣಿಕಾ ಜೊತೆಗೆ, UAV ಗಳು ಕಟ್ಟಡಗಳು, ತಂತಿಗಳು ಮತ್ತು ಜನರನ್ನು ತಪ್ಪಿಸಬೇಕಾದ ನಗರ ಸ್ಥಳಗಳಲ್ಲಿ ಕೊನೆಯ ಮೈಲಿ ವಿತರಣೆಯಂತಹ ಅಪ್ಲಿಕೇಶನ್ಗಳಲ್ಲಿ ಅಥವಾ ಗಾಳಿ ಟರ್ಬೈನ್ಗಳಂತಹ ಸಂಕೀರ್ಣ ರಚನೆಗಳ ಕೈಗಾರಿಕಾ ತಪಾಸಣೆಯಲ್ಲಿ ಬಳಸಬಹುದು.
“MIGHTY ಕೇವಲ ಓಪನ್ ಸೋರ್ಸ್ ಉಪಕರಣಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಹೋಲಿಸಬಹುದಾದ ಅಥವಾ ಉತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸಾಧಿಸುತ್ತದೆ, ಇದರರ್ಥ ಯಾವುದೇ ಸಂಶೋಧಕರು, ವಿದ್ಯಾರ್ಥಿ ಅಥವಾ ಕಂಪನಿ – ಜಗತ್ತಿನ ಎಲ್ಲೆಡೆ – ಇದನ್ನು ಮುಕ್ತವಾಗಿ ಬಳಸಬಹುದು. ಈ ವೆಚ್ಚದ ತಡೆಗೋಡೆ ತೆಗೆದುಹಾಕುವ ಮೂಲಕ, MIGHTY ಉನ್ನತ-ಕಾರ್ಯಕ್ಷಮತೆಯ ಪಥದ ಯೋಜನೆಯನ್ನು ಪ್ರಜಾಪ್ರಭುತ್ವಗೊಳಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಮತ್ತು ಈ ಕೆಲಸವನ್ನು ನಿರ್ಮಿಸಲು ಹೆಚ್ಚು ವಿಶಾಲ ಸಮುದಾಯಕ್ಕೆ ಬಾಗಿಲು ತೆರೆಯುತ್ತದೆ” ಎಂದು ಕೋಟಾ ಕೊಂಡೊ ಮತ್ತು ಲೀಡ್ ವಿದ್ಯಾರ್ಥಿ ಪೇಪರ್ ಹೇಳುತ್ತಾರೆ. ಈ ಪಥದ ಯೋಜಕ.
ಪೆನ್ಸಿಲ್ವೇನಿಯಾ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಪದವೀಧರ ವಿದ್ಯಾರ್ಥಿಯಾದ ಯುವಿ ವೂ ಅವರು ಕಾಗದದ ಮೇಲೆ ಕೊಂಡೊ ಸೇರಿದ್ದಾರೆ; ವಿಜಯ್ ಕುಮಾರ್, ಯುಪಿಎನ್ನಲ್ಲಿ ಪ್ರಾಧ್ಯಾಪಕರು; ಮತ್ತು ಪ್ರಮುಖ ಲೇಖಕ ಜೊನಾಥನ್ ಪಿ. ಹೌ, ಫೋರ್ಡ್ ಏರೋನಾಟಿಕ್ಸ್ ಮತ್ತು ಆಸ್ಟ್ರೋನಾಟಿಕ್ಸ್ ಪ್ರೊಫೆಸರ್ ಮತ್ತು ಎಂಐಟಿಯ ಲ್ಯಾಬೋರೇಟರಿ ಫಾರ್ ಇನ್ಫಾರ್ಮೇಶನ್ ಅಂಡ್ ಡಿಸಿಷನ್ ಸಿಸ್ಟಮ್ಸ್ (LIDS) ಮತ್ತು ಏರೋಸ್ಪೇಸ್ ಕಂಟ್ರೋಲ್ಸ್ ಲ್ಯಾಬೋರೇಟರಿ (ACL) ನಲ್ಲಿ ಪ್ರಧಾನ ತನಿಖಾಧಿಕಾರಿ. ಸಂಶೋಧನೆಯು ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ IEEE ರೊಬೊಟಿಕ್ಸ್ ಮತ್ತು ಆಟೊಮೇಷನ್ ಪತ್ರಗಳು.
ಹೊಂದಾಣಿಕೆಗಳನ್ನು ಮೀರುವುದು
ಕೊಂಡೋ ಮಗುವಾಗಿದ್ದಾಗ, ಫುಕುಶಿಮಾ ಡೈಚಿ ಪರಮಾಣು ಅಪಘಾತವು ಗ್ರೇಟ್ ಈಸ್ಟ್ ಜಪಾನ್ ಭೂಕಂಪದ ನಂತರ ಸಂಭವಿಸಿತು. ಶಾಲೆಯನ್ನು ರದ್ದುಗೊಳಿಸುವುದರೊಂದಿಗೆ, ಕೊಂಡೊ ಮನೆಯಲ್ಲಿ ಸಿಲುಕಿಕೊಂಡರು ಮತ್ತು ಪ್ರತಿದಿನ ಸುದ್ದಿಗಳನ್ನು ವೀಕ್ಷಿಸುತ್ತಿದ್ದರು, ಆದರೆ ಕಾರ್ಮಿಕರು ರಿಯಾಕ್ಟರ್ ಸೈಟ್ ಅನ್ನು ಪರಿಶೋಧಿಸಿದರು ಮತ್ತು ಭದ್ರಪಡಿಸಿದರು. ಹಾನಿಯನ್ನು ಮಿತಿಗೊಳಿಸಲು ಮತ್ತು ಪರಿಸ್ಥಿತಿಯನ್ನು ನಿರ್ಣಯಿಸಲು ಕೆಲವು ಕೆಲಸಗಾರರು ಇನ್ನೂ ಅಪಾಯಕಾರಿ ಪ್ರದೇಶಗಳನ್ನು ಪ್ರವೇಶಿಸಬೇಕಾಯಿತು, ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ವಿಕಿರಣಶೀಲ ವಸ್ತುಗಳಿಗೆ ಒಡ್ಡಿಕೊಳ್ಳಬೇಕಾಯಿತು.
“ಈ ಕ್ರಿಯಾತ್ಮಕ ಮತ್ತು ಅಪಾಯಕಾರಿ ಸನ್ನಿವೇಶಗಳಿಗೆ ಹೋಗಬಹುದಾದ ಸ್ವಾಯತ್ತ ರೋಬೋಟ್ಗಳನ್ನು ರಚಿಸುವ ಬಗ್ಗೆ ನಾನು ಭಾವೋದ್ರಿಕ್ತನಾಗಿದ್ದೇನೆ, ನಂತರ ಹಿಂತಿರುಗಿ ಮತ್ತು ಹಾನಿಯಾಗದಂತೆ ಇರುವ ಮನುಷ್ಯರಿಗೆ ಹಿಂತಿರುಗಿ ವರದಿ ಮಾಡಿ” ಎಂದು ಕೊಂಡೊ ಹೇಳುತ್ತಾರೆ.
ಈ ಕಾರ್ಯಕ್ಕೆ ಶಕ್ತಿಯುತವಾದ ಮಾರ್ಗ ಯೋಜಕನ ಅಗತ್ಯವಿರುತ್ತದೆ, ಇದು A ಬಿಂದುವಿನಿಂದ B ಗೆ ಸುರಕ್ಷಿತವಾಗಿ ಹೋಗಲು ರೋಬೋಟ್ ತೆಗೆದುಕೊಳ್ಳಬೇಕಾದ ಮಾರ್ಗವನ್ನು ನಿರ್ಧರಿಸುವ ಸಾಫ್ಟ್ವೇರ್ ಆಗಿದೆ.
ಆದರೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಅನೇಕ ವ್ಯವಸ್ಥೆಗಳು ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಮಿತಿಗೊಳಿಸುವ ರಾಜಿಗಳನ್ನು ಒತ್ತಾಯಿಸುತ್ತವೆ.
ಕೆಲವು ವಾಣಿಜ್ಯ ವ್ಯವಸ್ಥೆಗಳು ತ್ವರಿತವಾಗಿ ಮೃದುವಾದ ಪಥಗಳನ್ನು ರಚಿಸಬಹುದಾದರೂ, ಅವು ನೂರಾರು ಸಾವಿರ ಡಾಲರ್ಗಳಷ್ಟು ವೆಚ್ಚವಾಗಬಹುದು. ವಾಣಿಜ್ಯ ಪರಿಹಾರಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಓಪನ್ ಸೋರ್ಸ್ ಪರ್ಯಾಯಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಕಳಪೆಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಅಥವಾ ಬಳಸಲು ಕಷ್ಟಕರವಾಗಿರುತ್ತದೆ.
MIGHTY ಯೊಂದಿಗೆ, Kondo ಮತ್ತು ಅವರ ಸಹೋದ್ಯೋಗಿಗಳು ಮುಕ್ತ-ಮೂಲ ವ್ಯವಸ್ಥೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ ಅದು ನೈಜ ಸಮಯದಲ್ಲಿ ಅಡೆತಡೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುವಾಗ ಮೃದುವಾದ, ಉತ್ತಮ-ಗುಣಮಟ್ಟದ ಪಥಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ ಮತ್ತು ಅದು ಕೇವಲ ಆನ್-ಬೋರ್ಡ್ ಘಟಕಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಹಾರಾಟಕ್ಕೆ ಸಾಕಷ್ಟು ವೇಗವಾಗಿ ಚಲಿಸುತ್ತದೆ.
ಇದನ್ನು ಮಾಡಲು, ಅವರು ಅನೇಕ ತೆರೆದ ಮೂಲ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಸೀಮಿತಗೊಳಿಸುವ ಪ್ರಮುಖ ಸವಾಲನ್ನು ಜಯಿಸಿದರು.
ಈ ವಿಧಾನಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಮೊದಲ ಹಂತವಾಗಿ A ಬಿಂದುವಿನಿಂದ B ಗೆ ಹೋಗಲು ರೋಬೋಟ್ ಎಷ್ಟು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಎಂದು ಅಂದಾಜು ಮಾಡುತ್ತದೆ. ಆ ನಿಗದಿತ ಪ್ರಯಾಣದ ಸಮಯದ ಅಂದಾಜಿನಿಂದ, ಯೋಜಕರು ಗಮ್ಯಸ್ಥಾನವನ್ನು ತಲುಪಲು ಉತ್ತಮ ಮಾರ್ಗವನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತಾರೆ.
ನಿಗದಿತ ಪ್ರಯಾಣದ ಸಮಯವನ್ನು ಬಳಸುವಾಗ ಪ್ಲಾನರ್ ತ್ವರಿತವಾಗಿ ಪಥವನ್ನು ರಚಿಸಲು ಅನುಮತಿಸುತ್ತದೆ, ಇದು ಅನಾನುಕೂಲಗಳನ್ನು ಹೊಂದಿದೆ. ಮೊದಲನೆಯದಾಗಿ, UAV ಅಡೆತಡೆಗಳನ್ನು ತಪ್ಪಿಸಲು ಕಷ್ಟಪಟ್ಟು ಕೆಲಸ ಮಾಡಬೇಕಾದರೆ, ನಿಗದಿತ ಪ್ರಯಾಣದ ಸಮಯದ ಬಜೆಟ್ ಅನ್ನು ಪೂರೈಸಲು ವೇಗವನ್ನು ಹೆಚ್ಚಿಸಲು ಒತ್ತಾಯಿಸಬಹುದು. ಇದು ಹಠಾತ್ ಅಪಾಯಗಳನ್ನು ತಪ್ಪಿಸಲು ಹೆಚ್ಚು ಕಷ್ಟಕರವಾಗಿಸುತ್ತದೆ.
ಒಂದು ಶಕ್ತಿಯುತ ವಿಧಾನ
ಬದಲಿಗೆ, MIGHTY ಹರ್ಮೈಟ್ ಸ್ಪ್ಲೈನ್ ಎಂಬ ಗಣಿತದ ತಂತ್ರವನ್ನು ಬಳಸುತ್ತದೆ, ಇದು ನಿಖರವಾಗಿ ನಿಯಂತ್ರಿಸಬಹುದಾದ ಮೃದುವಾದ ಪಥವನ್ನು ರೂಪಿಸಲು ಒಂದು ಹಂತದಲ್ಲಿ ಪ್ರಯಾಣದ ಸಮಯ ಮತ್ತು ಹಾರಾಟದ ಮಾರ್ಗವನ್ನು ಉತ್ತಮಗೊಳಿಸುತ್ತದೆ.
“ಪ್ರಾದೇಶಿಕ ಮತ್ತು ತಾತ್ಕಾಲಿಕ ಘಟಕಗಳನ್ನು ಒಟ್ಟಿಗೆ ಉತ್ತಮಗೊಳಿಸುವುದು ನಮಗೆ ಉತ್ತಮ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ, ಆದರೆ ಈಗ ಆಪ್ಟಿಮೈಸೇಶನ್ ತುಂಬಾ ದೊಡ್ಡದಾಗಿದೆ ಮತ್ತು ಕಾರ್ಯಸಾಧ್ಯವಾದ ಸಮಯದ ಚೌಕಟ್ಟಿನಲ್ಲಿ ಪರಿಹರಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ” ಎಂದು ಕೊಂಡೊ ಹೇಳುತ್ತಾರೆ.
ಈ ಕಂಪ್ಯೂಟೇಶನಲ್ ಓವರ್ಹೆಡ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಸಂಶೋಧಕರು ಬುದ್ಧಿವಂತ ತಂತ್ರವನ್ನು ಬಳಸಿದರು.
ಪ್ರತಿ ಬಾರಿಯೂ ಮೊದಲಿನಿಂದ ಪಥವನ್ನು ರಚಿಸುವ ಬದಲು, MIGHTY ಪಥದ ಆರಂಭಿಕ ಅಂದಾಜು ಮಾಡುತ್ತದೆ. ಇದು UAV ಯ ಲಿಡಾರ್ ಸಂವೇದಕಗಳಿಂದ ರಚಿಸಲಾದ ದೃಶ್ಯದ ನಕ್ಷೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಪುನರಾವರ್ತಿತ ಆಪ್ಟಿಮೈಸೇಶನ್ ಮೂಲಕ ಪಥವನ್ನು ಪರಿಷ್ಕರಿಸುತ್ತದೆ.
“ಪಥವು ಏನಾಗಿರಬೇಕು ಎಂಬುದರ ಕುರಿತು ನಾವು ಯೋಗ್ಯವಾದ ಊಹೆಯನ್ನು ಮಾಡಬಹುದು, ಇದು ಮೊದಲಿನಿಂದ ಸಂಪೂರ್ಣ ವಿಷಯವನ್ನು ಉತ್ಪಾದಿಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚು ವೇಗವಾಗಿರುತ್ತದೆ” ಎಂದು ಕಾಂಡೋ ಹೇಳುತ್ತಾರೆ.
ಇದು MIGHTY ಗೆ ಅಜ್ಞಾತ ಅಡೆತಡೆಗಳಿಗೆ ನೈಜ ಸಮಯದಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ ಮತ್ತು ಸುಗಮ ಪಥವನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಪ್ರಯಾಣದ ಸಮಯವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ವ್ಯವಸ್ಥೆಯು UAV ಯ ಆನ್-ಬೋರ್ಡ್ ಘಟಕಗಳನ್ನು ಬಳಸುತ್ತದೆ, ಇದು ರೋಬೋಟ್ ಬೇಸ್ ಸ್ಟೇಷನ್ನಿಂದ ದೂರ ಪ್ರಯಾಣಿಸಬಹುದಾದ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ ಮುಖ್ಯವಾಗಿದೆ.
ಸಿಮ್ಯುಲೇಟೆಡ್ ಪ್ರಯೋಗಗಳಲ್ಲಿ, MIGHTY ಗೆ ಅತ್ಯಾಧುನಿಕ ವಿಧಾನಗಳಿಂದ ಅಗತ್ಯವಿರುವ ಕಂಪ್ಯೂಟೇಶನ್ ಸಮಯದ ಸುಮಾರು 90% ಮಾತ್ರ ಅಗತ್ಯವಿದೆ, ಆದರೆ ಈ ವಿಧಾನಗಳಿಗಿಂತ 15% ವೇಗವಾಗಿ ತನ್ನ ಗಮ್ಯಸ್ಥಾನವನ್ನು ತಲುಪುತ್ತದೆ.
ಅವರು ನಿಜವಾದ ರೋಬೋಟ್ಗಳಲ್ಲಿ ಸಿಸ್ಟಮ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಿದಾಗ, ಅದರ ಹಾದಿಯಲ್ಲಿನ ಪ್ರತಿಯೊಂದು ಅಡೆತಡೆಗಳನ್ನು ತಪ್ಪಿಸುವಾಗ ಅದು ಸೆಕೆಂಡಿಗೆ 6.7 ಮೀಟರ್ ವೇಗವನ್ನು ತಲುಪಿತು.
“MIGHTY ಯೊಂದಿಗೆ, ಎಲ್ಲವನ್ನೂ ಒಂದು ತುಣುಕಿನಲ್ಲಿ ಸಂಯೋಜಿಸಲಾಗಿದೆ. ಪರಿಹಾರವನ್ನು ಪಡೆಯಲು ನಾವು ಯಾವುದೇ ಪ್ರೋಗ್ರಾಂನೊಂದಿಗೆ ಮಾತನಾಡುವ ಅಗತ್ಯವಿಲ್ಲ. ಇದು ಕೆಲವು ವಾಣಿಜ್ಯ ಪರಿಹಾರಗಳಿಗಿಂತಲೂ ವೇಗವಾಗಿರಲು ನಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ,” Kondo ಹೇಳುತ್ತಾರೆ.
ಭವಿಷ್ಯದಲ್ಲಿ, ಸಂಶೋಧಕರು MIGHTY ಅನ್ನು ಸುಧಾರಿಸಲು ಬಯಸುತ್ತಾರೆ ಇದರಿಂದ ಏಕಕಾಲದಲ್ಲಿ ಅನೇಕ ರೋಬೋಟ್ಗಳನ್ನು ನಿಯಂತ್ರಿಸಲು ಮತ್ತು ಸವಾಲಿನ ಪರಿಸರದಲ್ಲಿ ಹೆಚ್ಚಿನ ಹಾರಾಟದ ಪ್ರಯೋಗಗಳನ್ನು ಮಾಡಲು ಇದನ್ನು ಬಳಸಬಹುದು. ಬಳಕೆದಾರರ ಪ್ರತಿಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ ತೆರೆದ ಮೂಲ ವ್ಯವಸ್ಥೆಯನ್ನು ಸುಧಾರಿಸುವುದನ್ನು ಮುಂದುವರಿಸಲು ಅವರು ಆಶಿಸುತ್ತಾರೆ.
“MIGHTY ಪಥದ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ಸ್ವತಃ ಪರಿಷ್ಕರಿಸುವ ಮೂಲಕ ಅಗೈಲ್ ರೋಬೋಟ್ ನ್ಯಾವಿಗೇಶನ್ಗೆ ಪ್ರಮುಖ ಕೊಡುಗೆಯನ್ನು ನೀಡುತ್ತದೆ. ಹರ್ಮೈಟ್ ಸ್ಪ್ಲೈನ್ಗಳನ್ನು ಈಗಾಗಲೇ ದೃಶ್ಯ ಏಕಕಾಲಿಕ ಸ್ಥಳೀಕರಣ ಮತ್ತು ಮ್ಯಾಪಿಂಗ್ನಲ್ಲಿ ಯಶಸ್ವಿಯಾಗಿ ಬಳಸಲಾಗಿದೆ ಮತ್ತು ಮೊಬೈಲ್ ರೋಬೋಟ್ಗಳಲ್ಲಿ ಪಥದ ಯೋಜನೆಗಾಗಿ ಅವುಗಳ ಪ್ರಯೋಜನಗಳನ್ನು ಈಗ ಬಳಸಿಕೊಳ್ಳುತ್ತಿರುವುದು ಸಂತೋಷಕರವಾಗಿದೆ. ಜಂಟಿಯಾಗಿ ಉತ್ತಮಗೊಳಿಸುವಿಕೆ ರೋಬೋಟ್ನ ವೇಗವರ್ಧನೆ, ರೋಬೋಟ್ನ ಪಥವನ್ನು ಹೆಚ್ಚು ಸ್ಥಳೀಯವಾಗಿ ನಿಯಂತ್ರಿಸುವುದು, ಕಿಕ್ಕಿರಿದ ಪರಿಸರದಲ್ಲಿ ರೋಬೋಟ್ನ ಸ್ವಾತಂತ್ರ್ಯವನ್ನು ಸಂರಕ್ಷಿಸುತ್ತದೆ,” ಎಂದು ಜುರಿಚ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ರೋಬೋಟಿಕ್ಸ್ ಮತ್ತು ಪರ್ಸೆಪ್ಶನ್ ಗ್ರೂಪ್ನ ಪ್ರಾಧ್ಯಾಪಕ ಮತ್ತು ನಿರ್ದೇಶಕ ಡೇವಿಡ್ ಸ್ಕಾರಮುಝಾ ಹೇಳುತ್ತಾರೆ.
ಈ ಸಂಶೋಧನೆಯು ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ ಆರ್ಮಿ ರಿಸರ್ಚ್ ಲ್ಯಾಬೊರೇಟರಿ ಮತ್ತು ಸಿಂಗಾಪುರದ ರಕ್ಷಣಾ ವಿಜ್ಞಾನ ಮತ್ತು ತಂತ್ರಜ್ಞಾನ ಸಂಸ್ಥೆಯಿಂದ ಭಾಗಶಃ ಧನಸಹಾಯ ಪಡೆದಿದೆ.
