Lavkost-robot kan navigere næsten ethvert hindring

Et hold af forskere har designede et robot-system, der giver en lavkost, lille benet robot mulighed for at navigere næsten ethvert hindring eller terræn. Robotten kan klatre og gå ned ad trapper næsten sin egen højde eller navigere på klippe, glatte, ujævne, stejle og varierede terræner. Den kan også gå over kløfter, klatre på klipper og operere i mørke.

Projektet til at udvikle systemet blev gennemført af forskere ved Carnegie Mellon University’s School of Computer Science og University of California, Berkeley.

At give små robotter nye færdigheder

Deepak Pathak er adjunkt i Robotics Institute.

“At give små robotter mulighed for at klatre trapper og håndtere en variation af miljøer er afgørende for at udvikle robotter, der vil være nyttige i menneskers hjem samt i redningsoperationer,” siger Pathak. “Dette system skaber en robust og tilpasningsdygtig robot, der kan udføre mange hverdagsopgaver.”

Robotten blev testet på ujævne trapper og skrænter i offentlige parker, hvilket testede dens evne til at gå over sten og glatte overflader. Den blev også sat til at klatre trapper, der ville være lig med, at et menneske sprang over en hinder. Robotten opnår en imponerende evne til hurtigt at tilpasse sig og mestre terrænet ved at bruge sin syn og en lille computer ombord.

Robotten blev trænet med 4.000 kloner i en simulator. Disse kloner trænede gående og klatring på komplekse terræner, og simuleringshastigheden gjorde, at robotten kunne opnå seks års erfaring på blot en enkelt dag.

De motoriske færdigheder, der blev lært under træningen, blev gemt af simuleringsprogrammet i et neuralt netværk, som forskerne herefter kopierede til den rigtige robot. Denne innovative tilgang betød, at der ikke var behov for manuel indkodning af robotens bevægelser.

Mange af i dag’s robot-systemer afhænger af kameraer, der opretter en kort over omgivelserne, som herefter bruges til at planlægge robotens bevægelser, før de udføres. Men denne proces kan være langsom og udsat for fejl på grund af ukontrolerede eller misforståede kortlægninger. Disse ukontrolerede faktorer kan påvirke planlægningen og bevægelserne.

Mens kortlægning og planlægning er nyttige for systemer, der fokuserer på højniveau-kontrol, er de ikke altid det bedste for de dynamiske krav til lavniveau-færdigheder, såsom gående eller løbende.

Effektiv og hurtig manøvrering

Det nyligt udviklede robot-system springer over kortlægnings- og planlægningsfaserne og sender direkte vision-input til robotens kontrol. Dette betyder grundlæggende, at robotten ser og bevæger sig derefter. Gennembrudsteknikken giver robotten mulighed for at reagere på komplekse terræner meget hurtigt og effektivt.

Robotens bevægelser er trænet gennem maskinlæring, hvilket gør robotten billig. Den testede robot var mindst 25 gange billigere end alternativerne på markedet. Ifølge holdet kunne deres algoritme gøre billige robotter langt mere tilgængelige.

Ananye Agarwal er en Ph.D.-studerende i maskinlæring.

“Dette system bruger syn og feedback fra kroppen direkte som input til at give kommandoer til robotens motorer,” siger Agarwal. “Denne teknik giver systemet mulighed for at være meget robust i den virkelige verden. Hvis den glider på trapperne, kan den genoprette sig. Den kan gå ind i ukendte miljøer og tilpasse sig.”

Det robotiske system blev kraftigt inspireret af naturen. Til en robot på mindre end en fod højde lærte den at adoptere de bevægelser, mennesker bruger til at gå over høje hindringer for at klatre trapper eller hindringer på sin egen højde. Systemet bruger hoft-abduktion til at overvinde hindringer, der er svære selv for de mest avancerede benede robot-systemer.

Holdet så også på fire-benede dyr for inspiration.

“Fire-benede dyr har en hukommelse, der giver deres bagben mulighed for at følge frontbenene. Vores system fungerer på en lignende måde,” siger Pathak.

Den ombord placerede hukommelse giver bagbenene mulighed for at huske, hvad kameraet så, og hjælper med at manøvrere hindringer.

Ashish Kumar er en Ph.D.-studerende på Berkeley.

“Da der ikke er nogen kortlægning, ingen planlægning, husker vores system terrænet og hvordan den flyttede frontbenet og oversætter dette til bagbenet, og gør det hurtigt og fejlfrit,” siger Kumar.

Den nye forskning kan spille en stor rolle i løsningen af nogle af de største udfordringer omkring benede robotter. Den kunne endda hjælpe med at føre til deres brug i hjem.