Naukowcy z Carnegie Mellon University's School of Computer Science i University of California w Berkeley zaprojektowali system robotyczny, który umożliwia niedrogiemu robotowi ze stosunkowo małymi nogami wchodzenie i schodzenie po schodach bliskich jego wysokości, pokonywanie skalistych, śliskich, nierównych, stromych schodów i zróżnicowane ukształtowanie terenu. Mostuj nad przepaściami, obieraj skały i krawężniki, a nawet pracuj w ciemności.
„Dając małym robotom możliwość wchodzenia po schodach i radzenia sobie w różnych środowiskach, ma kluczowe znaczenie dla rozwoju robotów, które będą przydatne w domach, a także w operacjach poszukiwawczych i ratowniczych” – powiedział Deepak Pathak, adiunkt w Instytucie Robotyki . Roboty, które mogą wykonywać wiele codziennych zadań”.
Zespół przetestował robota, testując go na nierównych schodach i zboczach w parkach publicznych, rzucając mu wyzwanie, by przeszedł po kamieniach i śliskich powierzchniach, a także wchodząc po schodach, ponieważ był tak wysoki, jak człowiek przeskakujący przez przeszkodę. Robot polega na swojej wizji i małym komputerze pokładowym, aby szybko dostosować się i opanować trudny teren.
Naukowcy przeszkolili roboty za pomocą 4000 klonów w symulatorze, w którym ćwiczyły chodzenie i wspinanie się po trudnym terenie. Szybkość działania symulatora pozwala robotowi zdobyć sześć lat doświadczenia w ciągu jednego dnia. Symulator przechowywał również umiejętności motoryczne wyuczone podczas treningu w sieci neuronowej, które naukowcy powielili na prawdziwym robocie. To podejście nie wymaga żadnej ręcznej inżynierii ruchu robota -- w przeciwieństwie do metod tradycyjnych.
Większość systemów robotycznych wykorzystuje kamery do tworzenia mapy otoczenia i wykorzystuje tę mapę do planowania ruchów przed wykonaniem. Proces jest powolny, a problemy często pojawiają się z powodu niejasności, nieścisłości lub nieporozumień nieodłącznie związanych z fazą mapowania, wpływających na późniejsze planowanie i ruch. Mapowanie i planowanie są przydatne w systemach skoncentrowanych na kontroli wysokiego poziomu, ale nie zawsze są odpowiednie dla dynamicznych wymagań umiejętności niskiego poziomu, takich jak chodzenie lub bieganie po trudnym terenie.
Nowy system omija etapy mapowania i planowania i bezpośrednio kieruje dane wizualne do układu sterowania robota. To, co robot widzi, określa sposób, w jaki się porusza. Nawet badacze nie określili, jak powinny poruszać się nogi. Technologia ta pozwala robotowi szybko reagować na nadjeżdżający teren i sprawnie się po nim poruszać.
Ponieważ nie jest wymagane mapowanie ani planowanie, a uczenie maszynowe jest wykorzystywane do trenowania ruchów, same roboty mogą być tanie. Robot, którego użył zespół, jest co najmniej 25 razy tańszy niż istniejące alternatywy. Algorytm zespołu może sprawić, że tanie roboty będą szerzej dostępne.
Ananye Agarwal, doktorantka uczenia maszynowego w SCS, powiedziała: „System wykorzystuje widzenie i informacje zwrotne z ciała bezpośrednio jako dane wejściowe do wysyłania poleceń do silników robota. Ta technika sprawia, że system jest bardzo wytrzymały w prawdziwym świecie. Jeśli się ześlizgnie na schodach, może się zregenerować. Może wejść w nieznane środowisko i przystosować się”.
Ta bezpośrednia wizja kontroli jest inspirowana biologicznie. Ludzie i zwierzęta używają wzroku do poruszania się. Spróbuj biegać lub balansować z zamkniętymi oczami. Poprzednie badania zespołu wykazały, że ślepe roboty (te bez kamer) mogą pokonywać trudny teren, ale dodanie wizji i poleganie na niej może znacznie ulepszyć system.
Zespół zwrócił się również do natury w poszukiwaniu innych elementów systemu. Aby mały robot o wzroście poniżej 30 cm mógł wspiąć się po schodach lub przeszkodach bliskiej jego wysokości, nauczył się przyjmować ruchy używane przez ludzi do przechodzenia przez wysokie przeszkody. Kiedy osoba musi podnieść nogi wysoko, aby wspiąć się na szczebel lub przeszkodę, używa bioder, aby usunąć nogi z drogi, co nazywa się porwaniem i przywodzeniem, co daje więcej miejsca. To samo dotyczy systemu robotycznego zaprojektowanego przez zespół Pathaka, który wykorzystuje odwodzenie bioder do pokonywania przeszkód, które powstrzymują niektóre z najbardziej zaawansowanych robotów na nogach na rynku.
Inspiracją dla zespołu był również ruch tylnych nóg czworonoga. Kiedy kot przechodzi przez przeszkodę, jego tylne nogi unikają tych samych przedmiotów, co przednie, bez pomocy 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 umożliwia tylnym nogom zapamiętanie tego, co widzi przednia kamera, i manewrowanie w celu uniknięcia przeszkód.
„Ponieważ nie ma mapy ani planowania, nasz system zapamiętuje teren i sposób, w jaki porusza przednimi nogami, i konwertuje to na tylne nogi, i robi to tak szybko i doskonale” – powiedział dr Ashish Kumar. studentka w Berkeley. Badania te mogą być dużym krokiem w kierunku rozwiązania istniejących problemów z robotami na nogach i wprowadzenia ich do domów ludzi.
