L’ingegneria dei software è chiamata a rispondere alle sfide nella ricerca avanzata della robotica aiutando nella progettazione complementare al deep learning.
Drake è una raccolta di strumenti supportati dal Robot Locomotion Group presso il MIT Computer Science and Artificial Intelligence Lab (CSAIL). Il team di sviluppatori è cresciuto molto grazie al Toyota Research Institute.
Il tool è stato creato per analizzare le dinamiche dei robot con controlli incentrati sull’ottimizzazione.
Esistono numerosi programmi in questo campo, ma la maggior parte di essi funziona come una scatola nera. Drake mira a simulare dinamiche anche complesse, come ad esempio attrito, contatto, aerodinamica, con un’enfasi sulla struttura nelle equazioni governanti (sparsity, gradienti analitici, struttura polinomiale, quantificazione dell’incertezza) rendendo queste informazioni disponibili per algoritmi avanzati.
Nell’intelligenza artificiale e nell’apprendimento automatico, sparsity si riferisce ad una matrice di numeri che include molti zeri o valori che non avranno un impatto significativo su un calcolo.
Drake fornisce un’interfaccia a Python per la prototipazione rapida di nuovi algoritmi fornendo, nello stesso tempo, implementazioni open source.
Sostanzialmente è una libreria, in C++ con collegamenti Python, con tre componenti principali inerenti a: dinamica multibody, framework di sistema per organizzare ed unire modelli da una libreria in un diagramma a blocchi e framework di ottimizzazione per la programmazione matematica. Ciascuna di queste parti è importante per la ricerca sulla robotica. La visione di Drake è quella di proporsi come un’unica applicazione per consentire potenti combinazioni dei vari elementi.
Lo strumento è impiegato per insegnare robotica sotto-attuata al MIT attraverso esempi di molti dei problemi canonici nella dinamica. Sul sito ufficiale di Drake, fra i tutorial, è possibile scaricare il codice sorgente del corso di manipolazione al MIT dove software e materiali forniscono una pipeline di manipolazione autonoma e completa, inclusa la percezione, la pianificazione ed i controlli geometrici visualizzati in un video con tre viste renderizzate dalle telecamere RGB-D.
Su Github si trovano esempi molto utili per iniziare come l’Ottimizzazione e stabilizzazione delle traiettorie per sistemi dinamici vincolati.
RIPRODUZIONE RISERVATA – © 2023 SHOWTECHIES – Quando la Tecnologia è spettacolo™
Immagini: DRAKE – MIT – TRI (Toyota Research Institute)
Commenta per primo