Исследователи из Школы компьютерных наук Университета Карнеги-Меллона и Калифорнийского университета в Беркли разработали роботизированную систему, которая позволяет недорогому роботу с относительно небольшими ногами подниматься и спускаться по лестнице, близкой к его высоте, преодолевать скалистые, скользкие, неровные, крутые склоны. и разнообразный рельеф. Преодолевайте пропасти, очищайте камни и бордюры и даже работайте в темноте.
«Предоставление маленьким роботам возможности подниматься по лестнице и справляться с различными условиями имеет решающее значение для разработки роботов, которые будут полезны в домах людей, а также в поисково-спасательных операциях», — сказал Дипак Патхак, доцент Института робототехники. . Роботы, которые могут выполнять множество повседневных задач».
Команда испытала робота, протестировав его на неровных лестницах и склонах холмов в общественных парках, заставив его перешагнуть через ступеньки и скользкие поверхности и попросив его подняться по лестнице, потому что он был ростом с человека, перепрыгивающего через препятствие. Робот полагается на свое зрение и небольшой бортовой компьютер, чтобы быстро адаптироваться и освоить сложную местность.
Исследователи обучали роботов с 4000 клонами на симуляторе, где они практиковались в ходьбе и лазании по сложной местности. Скорость тренажера позволяет роботу за один день набраться шестилетнего опыта. Тренажер также сохранил в нейросети двигательные навыки, полученные во время обучения, которые исследователи воспроизвели на реальном роботе. Этот подход не требует ручного управления движением робота -- в отличие от традиционных методов.
Большинство роботизированных систем используют камеры для создания карты своего окружения и используют эту карту для планирования движений перед выполнением. Процесс идет медленно, и часто возникают проблемы из-за двусмысленности, неточностей или недоразумений, присущих этапу картирования, что влияет на последующее планирование и движение. Картирование и планирование полезны в системах, ориентированных на высокоуровневый контроль, но не всегда подходят для динамических требований низкоуровневых навыков, таких как ходьба или бег по сложной местности.
Новая система обходит этапы картографирования и планирования и напрямую направляет визуальный ввод на управление роботом. То, что видит робот, определяет то, как он движется. Даже исследователи не уточнили, как должны двигаться ноги. Эта технология позволяет роботу быстро реагировать на встречную местность и эффективно перемещаться по ней.
Поскольку не требуется картографирования или планирования, а для обучения движениям используется машинное обучение, сами роботы могут быть недорогими. Робот, который использовала команда, как минимум в 25 раз дешевле существующих альтернатив. Алгоритм команды может сделать недорогих роботов более доступными.
Ананье Агарвал, докторант по машинному обучению в SCS, сказала: «Система использует зрение и обратную связь от тела непосредственно в качестве входных данных для вывода команд на двигатели робота. Этот метод делает систему очень надежной в реальном мире. на лестнице Он может восстановиться. Он может войти в незнакомую среду и адаптироваться».
Это прямое видение контроля биологически вдохновлено. Люди и животные используют зрение для передвижения. Попробуйте бегать или балансировать с закрытыми глазами. Предыдущее исследование команды показало, что слепые роботы (те, у кого нет камер) могут преодолевать сложные ландшафты, но добавление зрения и опора на него могут значительно улучшить систему.
Команда также искала в природе другие элементы системы. Чтобы маленький робот ростом менее фута поднимался по лестнице или на препятствия, близкие к его высоте, он научился перенимать движения, которые люди используют для преодоления высоких препятствий. Когда человек должен высоко поднять ноги, чтобы взобраться на ступеньку или препятствие, он использует бедра, чтобы отвести ноги в сторону, что называется отведением и приведением, что дает ему больше места. То же самое верно и для роботизированной системы, разработанной командой Патака, которая использует отведение бедра для преодоления препятствий, которые сдерживают некоторые из самых передовых роботизированных систем на ногах на рынке.
Движение задних лап четвероногого также вдохновило команду. Когда кошка преодолевает препятствие, ее задние лапы избегают тех же объектов, что и передние, без помощи ближайшей пары глаз. «У четвероногих животных есть память, которая позволяет их задним лапам отслеживать передние. Наша система работает аналогичным образом», — сказал Патхак. Встроенная память системы позволяет задним ногам запоминать то, что видит передняя камера, и маневрировать, чтобы избежать препятствий.
«Поскольку нет карты, нет планирования, наша система запоминает местность и то, как она двигает передними ногами, и преобразует это в свои задние ноги, и делает это так быстро и идеально», — сказал Ашиш Кумар, доктор философии. студент Беркли. Это исследование может стать большим шагом на пути к решению существующих проблем с роботами на ногах и внедрению их в дома людей.