خوارزميات تمكن الروبوتات من تجنب العقبات والجري في البرية

فريق من الباحثين في جامعة كاليفورنيا – سان دييغو طور نظامًا جديدًا من الخوارزميات يسمح للروبوتات الأربعة الأرجل بالسير والجري في البرية. يمكن للروبوتات التنقل في التضاريس الصعبة والمعقدة مع تجنب العقبات الثابتة والمتحركة.

أجري الفريق اختبارات حيث تم توجيه روبوت بواسطة النظام للتنقل بشكل مستقل وسريع عبر الأسطح الرملية والحصى والاعشاب والتلال الترابية المليئة بالفروع والأوراق الساقطة. في نفس الوقت ، كان يمكن للروبوت تجنب الاصطدام بالعوائق مثل الأعمدة والأشجار والشجيرات والصخور والمقاعد والأشخاص. كما أظهر الروبوت القدرة على التنقل في مساحة مكتبية مزدحمة دون الاصطدام بالعقبات.

بناء روبوتات أربعة أرجل فعالة

يعني النظام الجديد أن الباحثين أقرب من أي وقت مضى إلى بناء روبوتات فعالة لعمليات البحث والإنقاذ أو جمع المعلومات في المساحات الصعبة أو الخطرة للبشر.

سيتم تقديم العمل في مؤتمر 2022 الدولي للروبوتات الذكية والنظم (IROS) من 23 إلى 27 أكتوبر في كيوتو ، اليابان.

يمنح النظام الروبوت المزيد من المرونة بسبب الجمع بين حاسة البصر للروبوت مع الحس الذاتي ، وهو نمط حسي آخر يتضمن حاسة الحركة والاتجاه والسرعة والموقع واللمس.

معظم النهج الحالية لتدريب الروبوتات الأربعة الأرجل على السير والتنقل تستخدم إما الحس الذاتي أو الرؤية. ومع ذلك ، لا يتم استخدام كليهما في نفس الوقت.

دمج الحس الذاتي مع الرؤية الحاسوبية

xiaolong Wang هو أستاذ الهندسة الكهربائية والحاسوبية في جامعة كاليفورنيا سان دييغو.

“في حالة واحدة ، إنها مثل تدريب روبوت أعمى على السير من خلال لمس الأرض فقط. وفي الأخرى ، يخطط الروبوت لحركات ساقيه بناءً على الرؤية فقط. إنه لا يتعلم شيئين في نفس الوقت” ، قال وانغ. “في عملنا ، نجمع بين الحس الذاتي والرؤية الحاسوبية لتمكين روبوت أربعة أرجل من التنقل بفعالية وسهولة – مع تجنب العقبات – في مجموعة متنوعة من البيئات الصعبة ، وليس فقط البيئات المحددة جيدًا”.

يعتمد النظام الذي طوره الفريق على مجموعة خاصة من الخوارزميات لدمج البيانات من الصور الحية ، التي التقطها كاميرا العمق على رأس الروبوت ، مع البيانات القادمة من المستشعرات على أرجل الروبوت.

然而 ، قال وانغ إن هذه كانت مهمة معقدة.

“المشكلة هي أن هناك أحيانًا تأخيرًا طفيفًا في استلام الصور من الكاميرا ، لذلك لا تصل البيانات من نمطي الحس المختلفين دائمًا في نفس الوقت” ، أضاف.

تناول الفريق هذا التحدي من خلال محاكاة عدم التطابق عن طريق تقليل المدخلات المتوافرة. ويسمي الباحثون هذه التقنية بالتأخير العشوائي متعدد النماذج ، ثم استخدموا المدخلات المستخدمة والمتقلبة لتدريب سياسة التعلم التعزيزي. مكن هذا النهج الروبوت من اتخاذ القرارات بسرعة أثناء التنقل ، بالإضافة إلى توقع التغييرات في بيئته. سمحت هذه القدرات للروبوت بالتحرك والتماطل حول العقبات بشكل أسرع على أنواع مختلفة من التضاريس ، كل ذلك بدون مساعدة من مشغل بشري.

سيبحث الفريق الآن عن جعل روبوتات الأرجل الأربعة أكثر مرونة حتى يتمكنوا من العمل على تضاريس أكثر تعقيدًا.

“الآن ، يمكننا تدريب روبوت على أداء حركات بسيطة مثل المشي والجري وتجنب العقبات” ، قال وانغ. “أهدافنا التالية هي تمكين روبوت من السير على الدرج ، والسير على الحجارة ، وتغيير الاتجاه والقفز فوق العقبات”.