Algoritmy umožňují robotům vyhýbat se překážkám a běhat v přírodě

Tým výzkumníků z Kalifornské univerzity v San Diegu vyvinul nový systém algoritmů, který umožňuje čtyřnohým robotům chodit a běhat v přírodě. Roboti mohou navigovat v náročném a složitém terénu a vyhýbat se statickým a pohyblivým překážkám.

Tým provedl testy, ve kterých robot byl řízen systémem, aby se autonomně a rychle pohyboval po písečných plochách, štěrku, trávě a nerovném terénu pokrytém větvemi a padlými listy. Současně mohl vyhýbat se nárazům do sloupů, stromů, keřů, balvanů, laviček a lidí. Robot také prokázal schopnost navigovat v rušném kancelářském prostoru bez nárazu do různých překážek.

Stavba efektivní čtyřnohé robotiky

Nový systém znamená, že výzkumníci jsou blíže než kdykoli dříve k vývoji efektivní robotiky pro záchranné mise nebo robotiky pro sběr informací v prostorách, které jsou pro lidi těžko přístupné nebo nebezpečné.

Práce bude prezentována na Mezinárodní konferenci o inteligentních robotických systémech (IROS) od 23. do 27. října v Kyotu, Japonsko.

Systém poskytuje robotovi větší všestrannost díky kombinaci robotova smyslu pro vidění s propriocepcí, která je další smyslovou modalitou, která zahrnuje robotův smysl pro pohyb, směr, rychlost, polohu a dotyk.

Většina současných přístupů k výcviku čtyřnohých robotů, aby chodily a navigovaly, používá buď propriocepci nebo vidění. Nicméně, obě nejsou používány současně.

Kombinace propriocepce s počítačovým viděním

Xiaolong Wang je profesorem elektrotechniky a počítačového inženýrství na Jacobs School of Engineering na UC San Diego.

“V jednom případě je to jako trénovat slepého robota, aby chodil pouze dotykem a cítěním země. A v druhém případě robot plánuje své pohyby nohou pouze podle vidění. Není to, že se učí dvě věci současně,” řekl Wang. “V naší práci kombinujeme propriocepci s počítačovým viděním, aby umožnily čtyřnohému robotovi pohybovat se efektivně a hladce – a vyhýbat se překážkám – v různých náročných prostředích, nejen v dobře definovaných. “

Systém vyvinutý týmem závisí na speciálním sadě algoritmů, které slučují data z reálných obrazů, které byly pořízeny hloubkovým fotoaparátem na robotově hlavě, s daty pocházejícími ze senzorů na robotových nohách.

Nicméně Wang řekl, že to byla složitá úloha.

“Problém je, že během reálného provozu je někdy mírné zpoždění při přijímání obrazů z kamery, takže data z obou různých smyslových modalit ne vždy přicházejí ve stejnou dobu,” vysvětlil.

Tým řešil tuto výzvu simulací nesouladu náhodným generováním dvou sad vstupů. Výzkumníci nazývají tuto techniku multimodální náhodnou retardací. Poté použili tyto náhodné vstupy k trénování politiky učení s posilováním. Tento přístup umožnil robotovi učinit rozhodnutí rychle, zatímco se pohyboval, a také předpovídat změny ve svém prostředí. Tyto schopnosti umožnily robotovi pohybovat se a manévrovat překážkami rychleji na různých typech terénu, vše bez asistence lidského operátora.

Tým se nyní bude snažit učinit čtyřnohé roboty ještě více všestrannými, aby mohly operovat na ještě složitějších terénech.

“Právě teď můžeme trénovat robota, aby prováděl jednoduché pohyby, jako je chůze, běh a vyhýbání se překážkám,” řekl Wang. “Naše další cíle jsou umožnit robotovi chodit po schodech, chodit po kamenech, měnit směr a skákat přes překážky.”