Một phương pháp tại MIT giúp dạy robot lập bản đồ môi trường nhanh chóng và chính xác. Nhờ đó, thiết bị cứu nạn tạo bản đồ khi di chuyển địa hình hiểm trở. Các mô hình học máy trước đây chỉ xử lý vài hình ảnh một lúc. Tuy nhiên, trong cứu nạn, cỗ máy cần xử lý hàng nghìn hình ảnh mỗi giây.
Hệ thống mới giúp dạy robot lập bản đồ môi trường rộng lớn
MIT kết hợp AI hiện đại và thị giác máy tính cổ điển. Nhờ vậy, phương pháp tạo bản đồ 3D cảnh phức tạp chỉ trong vài giây. Hệ thống tạo và căn chỉnh các bản đồ con nhỏ. Sau đó ghép lại thành bản dựng 3D tổng thể trong thời gian thực.
Cách tiếp cận này không cần camera hiệu chuẩn hay chuyên gia. Điều này giúp triển khai dễ dàng hơn trong thực tế. Ngoài cứu nạn, kỹ thuật này còn dùng cho VR hoặc robot công nghiệp trong nhà kho.
Cách hoạt động của hệ thống lập bản đồ
Robot thu hình ảnh từ camera. Tiếp theo, hình ảnh được phân tích và xử lý để tạo bản đồ phụ. Quy trình ghép các bản đồ phụ thành bản đồ 3D toàn cảnh. Nhờ đó, Robot định vị chính xác trong không gian.
Maggio cho biết cách làm này đơn giản nhưng hiệu quả. Nó xử lý nhanh, ít lỗi hơn các phương pháp khác. Sai số trung bình của bản dựng 3D dưới 5 cm. Hệ thống chạy gần như thời gian thực với video điện thoại.
Ưu điểm so với phương pháp truyền thống
Kỹ thuật SLAM truyền thống cần camera hiệu chuẩn và chuyên gia. Mô hình mới học từ dữ liệu vì thế đơn giản hơn. Các bản đồ con được biến đổi thống nhất, dễ căn chỉnh. Robot di chuyển nhanh qua môi trường rộng lớn.
Phương pháp linh hoạt giải quyết sự mơ hồ trong bản đồ con 3D. Do đó giúp kết quả chính xác hơn. Carlone nhấn mạnh: hiểu hình học truyền thống giúp triển khai dễ mở rộng và đáng tin cậy.
Ứng dụng thực tế
Hệ thống hỗ trợ công cụ tự động cứu nạn tìm công nhân bị mắc kẹt. Hơn nữa, thiết bị công nghiệp còn sử dụng để tìm và di chuyển hàng hóa nhanh. VR có thể dùng để tái tạo môi trường phức tạp. Vì vậy, phương pháp này mở ra khả năng triển khai bản đồ 3D tức thì cho các ứng dụng đa dạng.
Nguồn: https://news.mit.edu/2025/teaching-robots-to-map-large-environments-1105
