รายงานการวิจัยการนำทางหุ่นยนต์อัตโนมัติในป่าเขตซับอาร์กติกตลอดทั้งปี

งานวิจัยนี้เป็นการศึกษาความท้าทายของการนำทางหุ่นยนต์อัตโนมัติในสภาพแวดล้อมป่าเขตซับอาร์กติก (Subarctic Boreal Forest) ซึ่งมีความสำคัญต่ออุตสาหกรรมป่าไม้ การทำเหมือง และการตรวจสอบสิ่งแวดล้อม ทีมวิจัยได้รวบรวมข้อมูลการเดินทางของหุ่นยนต์รวมระยะทางกว่า 64 กิโลเมตรตลอดหนึ่งปี เพื่อประเมินประสิทธิภาพของวิธีการคำนวณตำแหน่ง (Odometry) การระบุตำแหน่ง (Localization) และการทำแผนที่ (Mapping) ทั้งหมด 9 รูปแบบ

ผลการทดสอบชี้ให้เห็นว่า อัลกอริทึม SLAM (Simultaneous Localization and Mapping) ที่ทันสมัยส่วนใหญ่มีความเปราะบางอย่างมากเมื่อต้องเผชิญกับการเปลี่ยนแปลงของสภาพแวดล้อมตามฤดูกาล โดยเฉพาะในฉากที่มีลักษณะคล้ายคลึงกัน (Self-similar) หรือเมื่อมีกองหิมะสูง นอกจากนี้ งานวิจัยยังพบว่าระบบ SLAM แบบใช้ภาพ (Visual-based) จะได้รับผลกระทบมากที่สุดจากการเปลี่ยนฤดูกาล ในขณะที่ระบบที่ใช้ Lidar และ Radar จะมีความทนทานมากกว่าในการนำทางข้ามฤดูกาล ซึ่งผลลัพธ์นี้ช่วยเน้นย้ำถึงความจำเป็นในการพัฒนาเทคนิคการประมวลผลบนตัวหุ่นยนต์โดยตรง เนื่องจากข้อจำกัดด้านสัญญาณ GNSS ในป่าทึบ