Onderzoekers van Duke University hebben een nieuw AI-systeem ontwikkeld, WildFusion, waarmee viervoetige robots complexe buitenterreinen kunnen doorkruisen. Het systeem combineert gegevens van RGB-camera’s, LiDAR, tactiele sensoren, contactmicrofoons en traagheidsmeeteenheden tot een gedetailleerde, continue weergave van de terreinomstandigheden.
In tegenstelling tot traditionele navigatiesystemen voor robots, die vooral visuele input gebruiken en moeite hebben met ongestructureerde omgevingen, verwerkt WildFusion een breder scala aan zintuiglijke data om oppervlakken en hun stabiliteit te beoordelen. Contactmicrofoons registreren trillingen van bijvoorbeeld bladeren of modder. Tactiele sensoren meten de druk onder de robotvoeten en geven realtime inzicht in de grip. Een traagheidssensor volgt bewegingen zoals wiebelen of kantelen en helpt de robot in balans te blijven.
Een deep learning-model op basis van impliciete neurale representaties verwerkt en integreert al deze data. Zo kan de robot ook bij onvolledige of ruisende input terreinstructuren herkennen en begaanbare routes kiezen. In tests in het Eno River State Park in North Carolina koos WildFusion succesvol stabiele paden in bossen, graslanden en grindgebieden.
Het onderzoek werd gepresenteerd tijdens de IEEE International Conference on Robotics and Automation (ICRA 2025) in Atlanta, Georgia. Onder leiding van Boyuan Chen en promovendus Yanbaihui Liu werkt het team aan uitbreiding van het systeem met extra sensoren zoals warmte- en vochtigheidsdetectoren. Dankzij de modulaire opzet is WildFusion inzetbaar voor onder meer rampenbestrijding, inspectie van afgelegen infrastructuur en autonome verkenning.
Beeld: Boyuan Chen, Duke University
