Udział w nowej odsłonie zawodów European Rover Challenge

O autorze

Jestem doktorantem na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. Swoją przygodę z oprogramowaniem MATLAB i Simulink rozpocząłem na Wydziale MEiL PW na kierunku Automatyka i Robotyka.
Od 7 lat jestem członkiem Studenckiego Koła Astronautycznego działającego przy Wydziale MEiL PW. W SKA Robotics odpowiadam za kwestie autonomii robota (z wykorzystaniem platformy ROS) na potrzeby zawodów łazików marsjańskich European Rover Challenge (ERC) oraz University Rover Challenge (URC).

Nowa odsłona konkursu ERC

Pomimo wielu niewiadomych, międzynarodowe zawody robotów marsjańskich ERC 2020 okazały się jedynym turniejem tego typu podczas panujących na świecie obostrzeń związanych z COVID-19, który fizycznie doszedł do skutku. Szósta, wyjątkowa edycja została realizowana w formule hybrydowej z wykorzystaniem technologii umożliwiających drużynom z całego świata zdalny udział w zawodach. Wszystkie zespoły miały w tym roku za zadanie wzięcie udziału w trzech konkurencjach: Science/ Navigation Task, Maintenance Task oraz Presentation Task, sterując tym samym modelem łazika – Leo Rover.
11-13 września na terenie Politechniki Świętokrzyskiej odbył się finał hybrydowych zawodów ERC 2020. Jedną z drużyn startujących w konkursie ERC 2020 była nasza drużyna SKA Robotics ze Studenckiego Koła Astronautycznego Politechniki Warszawskiej.

Udział w zawodach ERC 2020

W trakcie przygotowań do zawodów byłem odpowiedzialny za opracowanie algorytmu wykrywania oraz rozpoznawania markerów AR Tag (przypominających kody QR), na podstawie których robot mobilny określa swoją pozycję w terenie podczas przejazdu w autonomicznej konkurencji. Próby wykorzystania istniejących rozwiązań (w tym algorytmu opracowanego przeze mnie w ramach pracy magisterskiej) wykazały, że mają one tendencje do fałszywego wykrywania markerów wśród obiektów z otoczenia zawodów np. okien czy obrazków na koszulkach obserwatorów. Wada ta okazała się być ciężka do usunięcia za pomocą klasycznych metod.
Do rozwiązania powyższego problemu postanowiłem zatem wykorzystać algorytmy sztucznej inteligencji. W pierwszej kolejności, w celu zwiększenia zbioru treningowego, przy pomocy oprogramowania MATLAB opracowałem sieć neuronową służącą do generowania realistycznie wyglądających zdjęć markerów, którą nazwałem ARTaGAN (Augmented Reality Tag GAN). Następnie uzyskane w ten sposób dane wykorzystałem dowytre nowania sieci detektora, który rozróżnia zdjęcia zawierające oraz niezawierające markery, a te drugie odrzuca. Dzięki zastosowaniu opisywanych sieci udało się rozwiązać problem błędnego rozpoznawania markerów wśród elementów otoczenia miejsca zawodów.
Przy opracowywaniu przedstawionego rozwiązania wykorzystałem następujące Toolboxy dostępne w ramach oprogramowania MATLAB: Image Processing, Computer Vision, Deep Learning oraz Statistics and Machine Learning. Użycie tych bibliotek pozwoliło mi na dokonanie szybkiego oraz wygodnego przetworzenia i przygotowania zdjęć do treningu, a także przeprowadzenie samego procesu treningu oraz testowania opracowywanych sieci neuronowych.

Łazik Leo Rover podczas konkurencji Navigation Task
fot. Maurycy Menke

Wielki finał

W tegorocznym finale ERC rywalizowało ze sobą 26 zespołów z 14 krajów świata. Co ciekawe, w tym roku po raz pierwszy przyznane zostały dodatkowe wyróżnienia oraz nagrody specjalne. Nasz zespół SKA Robotics uplasował się na 6 miejscu w tabeli tegorocznych wyników.
Dodatkowo, podczas ceremonii wręczenia nagród, którą śledziłem online okazało się, że zostaliśmy laureatami konkursu na najciekawsze zastosowanie Toolboxów firmy MathWorks. Otrzymaliśmy nagrodę w postaci zestawu narzędzi programowych oraz sprzętowych, stworzonego z myślą o osobach zainteresowanych tematyką mikrokontrolerów, robotyką i tworzeniem czegoś „rzeczywistego”, czyli Arduino Engineering Kit. Zestaw ten z pewnością wykorzystam do prowadzenia szkoleń dla studentów w kole naukowym.

PRACA KONKURSOWA
Na kolejną edycję zawodów ERC planujemy przygotować nowego robota mobilnego, charakteryzującego się m.in. nowym zawieszeniem oraz poprawionym ramieniem robotycznym. Kontynuujemy także prace nad rozwijaniem algorytmów autonomii łazika. Ponadto, planujemy przygotowanie ogólnodostępnej bazy danych zawierającej zdjęcia markerów AR Tag, która umożliwi zespołom startującym w zawodach przygotowywanie, testowanie oraz porównywanie własnych rozwiązań służących do wykrywania opisywanych markerów.