Ten mały robot może dotrzeć niemal wszędzie.
Naukowcy z Carnegie Mellon University’s School of Computer Science i University of California w Berkeley zaprojektowali system robotyczny, który umożliwia niedrogiemu robotowi o stosunkowo małych nogach wchodzenie i schodzenie po schodach prawie jego wysokości; pokonywać skalisty, śliski, nierówny, stromy i urozmaicony teren; przejść przez luki; skalować skały i krawężniki; a nawet działać w ciemności.
„Umożliwienie małym robotom wchodzenia po schodach i radzenia sobie w różnych środowiskach ma kluczowe znaczenie dla rozwoju robotów, które będą przydatne w domach ludzi, a także w operacjach poszukiwawczych i ratowniczych” – powiedział Deepak Pathak, adiunkt w Instytucie Robotyki. „Ten system tworzy solidnego i elastycznego robota, który może wykonywać wiele codziennych zadań”.
Zespół przetestował robota, testując go na nierównych schodach i zboczach w parkach publicznych, rzucając wyzwanie chodzeniu po kamieniach i śliskich powierzchniach oraz prosząc go o wchodzenie po schodach, które przy jego wzroście przypominałyby skakanie człowieka przeszkoda. Robot szybko się dostosowuje i pokonuje trudny teren, polegając na swojej wizji i małym komputerze pokładowym.
Naukowcy wyszkolili robota za pomocą 4000 jego klonów w symulatorze, w którym ćwiczyli chodzenie i wspinanie się po trudnym terenie. Szybkość symulatora pozwoliła robotowi zdobyć sześć lat doświadczenia w ciągu jednego dnia. Symulator przechowywał również umiejętności motoryczne, których nauczył się podczas treningu w sieci neuronowej, którą naukowcy skopiowali do prawdziwego robota. To podejście nie wymagało ręcznej inżynierii ruchów robota — odejście od tradycyjnych metod.
Większość systemów robotycznych wykorzystuje kamery do tworzenia mapy otaczającego środowiska i wykorzystuje tę mapę do planowania ruchów przed ich wykonaniem. Proces jest powolny i często może się załamać z powodu niejasności, nieścisłości lub błędnych wyobrażeń na etapie mapowania, które wpływają na późniejsze planowanie i ruchy. Mapowanie i planowanie są przydatne w systemach skoncentrowanych na kontroli wysokiego poziomu, ale nie zawsze są dostosowane do dynamicznych wymagań umiejętności niskiego poziomu, takich jak chodzenie lub bieganie po trudnym terenie.
Nowy system omija fazy mapowania i planowania i bezpośrednio kieruje dane wizyjne do sterowania robotem. To, co robot widzi, określa sposób, w jaki się porusza. Nawet badacze nie określają, jak powinny poruszać się nogi. Technika ta pozwala robotowi na szybką reakcję na nadjeżdżający teren i skuteczne poruszanie się po nim.
Ponieważ nie ma mapowania ani planowania, a ruchy są trenowane przy użyciu uczenia maszynowego, sam robot może być tani. Robot, którego użył zespół, był co najmniej 25 razy tańszy niż dostępne alternatywy. Algorytm zespołu ma potencjał, by tanie roboty były znacznie szerzej dostępne.
„Ten system wykorzystuje wizję i informacje zwrotne z ciała bezpośrednio jako dane wejściowe do wysyłania poleceń do silników robota” – powiedział Ananye Agarwal, doktor SCS. studentka uczenia maszynowego. „Ta technika sprawia, że system jest bardzo wytrzymały w prawdziwym świecie. Jeśli poślizgnie się na schodach, może się zregenerować. Może wchodzić w nieznane środowiska i dostosowywać się”.
Ten bezpośredni aspekt wizji do kontroli jest inspirowany biologicznie. Ludzie i zwierzęta używają wzroku do poruszania się. Spróbuj biegać lub balansować z zamkniętymi oczami. Poprzednie badania zespołu wykazały, że ślepe roboty – roboty bez kamer – mogą pokonywać trudny teren, ale dodanie wizji i poleganie na niej znacznie poprawia system.
Zespół szukał w naturze również innych elementów systemu. Aby mały robot – w tym przypadku o wysokości mniejszej niż stopa – mógł wspiąć się po schodach lub przeszkodach prawie na jego wysokość, nauczył się przyjmować ruch używany przez ludzi do przechodzenia przez wysokie przeszkody. Kiedy człowiek musi podnieść nogę wysoko, aby wspiąć się na półkę lub przeszkodę, używa bioder, aby przesunąć nogę na bok, co nazywa się odwodzeniem i przywodzeniem, co daje jej większy prześwit. Zaprojektowany przez zespół Pathak system robotów robi to samo, wykorzystując odwodzenie bioder do pokonywania przeszkód, które potykają się o niektóre z najbardziej zaawansowanych robotów na nogach na rynku.
Ruch tylnych nóg czworonożnych zwierząt również zainspirował zespół. Kiedy kot porusza się przez przeszkody, jego tylne nogi unikają tych samych przedmiotów, co przednie, bez korzyści z pobliskiej pary oczu. „Czwornożne zwierzęta mają pamięć, która umożliwia ich tylnym łapom śledzenie przednich. Nasz system działa w podobny sposób” – powiedział Pathak. Wbudowana pamięć systemu pozwala tylnym nogom zapamiętać, co widziała kamera przednia i manewrować, aby ominąć przeszkody.
„Ponieważ nie ma mapy ani planowania, nasz system zapamiętuje teren i sposób, w jaki przesunął przednią nogę, i przekłada to na tylną nogę, robiąc to szybko i bezbłędnie” – powiedział dr Ashish Kumar. studentka w Berkeley.
Badania mogą być dużym krokiem w kierunku rozwiązania istniejących problemów stojących przed robotami z nogami i wprowadzenia ich do domów ludzi. Artykuł „Legged Locomotion in Challenging Terrains using Egocentric Vision”, napisany przez Pathaka, profesora z Berkeley Jitendra Malik, Agarwala i Kumara, zostanie zaprezentowany na zbliżającej się konferencji poświęconej nauce robotów w Auckland w Nowej Zelandii.
Wideo: https://youtu.be/N70CqROzwxI