Ρομποτική και φυσική AI
Αλγόριθμοι επιτρέπουν στα ρομπότ να αποφεύγουν εμπόδια και να τρέχουν στη φύση
Βασικά σημείαΟ αλγόριθμος του UC San Diego συνδυάζει την ιδιοδεκτικότητα με την υπολογιστική όραση…
Δείτε περισσότερα
- Ο αλγόριθμος του UC San Diego συνδυάζει την ιδιοδεκτικότητα με την υπολογιστική όραση για ρομπότ με πόδια.
- Η τυχαιοποίηση πολυτροπικής καθυστέρησης επιτρέπει στα ρομπότ να πλοηγούνται σε σύνθετο έδαφος χωρίς ανθρώπινη βοήθεια.
- Το σύστημα επιτρέπει σε τετράποδα ρομπότ να αποφεύγουν εμπόδια ενώ τρέχουν σε άμμο, χαλίκι και γρασίδι.
Μια ομάδα ερευνητών στο Πανεπιστήμιο της Καλιφόρνια – Σαν Ντιέγκο έχει αναπτύξει ένα νέο σύστημα αλγορίθμων που επιτρέπει στα ρομπότ με τέσσερα πόδια να περπατούν και να τρέχουν στη φύση. Τα ρομπότ μπορούν να πλοηγηθούν σε δύσκολο και σύνθετο έδαφος ενώ αποφεύγουν στατικά και κινούμενα εμπόδια.
Η ομάδα πραγματοποίησε δοκιμές όπου ένα ρομπότ καθοδηγούταν από το σύστημα για να ελίσσεται αυτόνομα και γρήγορα σε αμμώδεις επιφάνειες, χαλίκι, γρασίδι και ανώμαλο έδαφος με κλαδιά και πεσμένα φύλλα. Ταυτόχρονα, μπορούσε να αποφεύγει τη σύγκρουση με στύλους, δέντρα, θάμνους, βράχους, παγκάκια και ανθρώπους. Το ρομπότ απέδειξε επίσης την ικανότητα να πλοηγηθεί σε έναν πολυσύχναστο χώρο γραφείων χωρίς να συγκρουστεί με διάφορα εμπόδια.
Κατασκευή Αποδοτικών Ρομπότ με Πόδια
Το νέο σύστημα σημαίνει ότι οι ερευνητές είναι πιο κοντά παρά ποτέ στο να κατασκευάσουν αποδοτικά ρομπότ για αποστολές έρευνας και διάσωσης, ή ρομπότ για τη συλλογή πληροφοριών σε χώρους που είναι δύσκολο να φτάσουν ή επικίνδυνοι για τους ανθρώπους.
Το έργο πρόκειται να παρουσιαστεί στο Διεθνές Συνέδριο του 2022 για τα Έξυπνα Ρομπότ και τα Συστήματα (IROS) από τις 23 έως τις 27 Οκτωβρίου στο Κιότο, Ιαπωνία.
Το σύστημα δίνει στο ρομπότ περισσότερη ευελιξία λόγω του συνδυασμού της αίσθησης της όρασης με την ιδιοδεκτικότητα, η οποία είναι μια άλλη αισθητηριακή μορφή αίσθησης που αφορά την αίσθηση της κίνησης, της κατεύθυνσης, της ταχύτητας, της θέσης και της αφής.
Οι περισσότερες από τις τρέχουσες προσεγγίσεις για την εκπαίδευση ρομπότ με πόδια να περπατούν και να πλοηγηθούν χρησιμοποιούν είτε την ιδιοδεκτικότητα είτε την όραση. Ωστόσο, δεν χρησιμοποιούνται και τα δύο ταυτόχρονα.
Συνδυασμός Ιδιοδεκτικότητας με Υπολογιστική Όραση
Ο Xiaolong Wang είναι καθηγητής ηλεκτρολογικού και υπολογιστικού μηχανικού στο UC San Diego Jacobs School of Engineering.
“Σε μια περίπτωση, είναι σαν να εκπαιδεύεις ένα τυφλό ρομπότ να περπατάει μόνο με την αφή και την αίσθηση του εδάφους. Και στην άλλη, το ρομπότ σχεδιάζει τις κινήσεις των ποδιών του με βάση την όραση μόνο. Δεν μαθαίνει δύο πράγματα ταυτόχρονα”, είπε ο Wang. “Στη δουλειά μας, συνδυάζουμε την ιδιοδεκτικότητα με την υπολογιστική όραση για να επιτρέψουμε σε ένα ρομπότ με πόδια να κινείται αποτελεσματικά και ομαλά – ενώ αποφεύγει εμπόδια – σε μια ποικιλία από δύσκολα περιβάλλοντα, όχι μόνο σε καλά καθορισμένα.”
Το σύστημα που αναπτύχθηκε από την ομάδα βασίζεται σε ένα ειδικό σύνολο αλγορίθμων για να συνδυάσει δεδομένα από εικόνες σε πραγματικό χρόνο, οι οποίες λαμβάνονται από μια κάμερα βάθους στο κεφάλι του ρομπότ, με δεδομένα που προέρχονται από αισθητήρες στα πόδια του ρομπότ.
Ωστόσο, ο Wang είπε ότι αυτό ήταν ένα σύνθετο έργο.
“Το πρόβλημα είναι ότι κατά τη διάρκεια της πραγματικής λειτουργίας, υπάρχει ορισμένες φορές μια μικρή καθυστέρηση στη λήψη εικόνων από την κάμερα, ώστε τα δεδομένα από τις δύο διαφορετικές αισθητηριακές μορφές αίσθησης δεν φτάνουν πάντα την ίδια στιγμή”, εξήγησε.
Η ομάδα αντιμετώπισε αυτή την πρόκληση προσομοιώνοντας τη χρονική απόκλιση μέσω της τυχαιοποίησης των δύο συνόλων εισόδων. Οι ερευνητές αναφέρουν αυτή τη τεχνική ως πολυτροπική τυχαιοποίηση καθυστέρησης, και στη συνέχεια χρησιμοποίησαν αυτές τις τυχαιοποιημένες εισόδους για να εκπαιδεύσουν μια πολιτική ενισχυτικής μάθησης. Η προσέγγιση επέτρεψε στο ρομπότ να λαμβάνει γρήγορες αποφάσεις ενώ πλοηγούσε, καθώς και να προβλέπει αλλαγές στο περιβάλλον του. Αυτές οι ικανότητες επέτρεψαν στο ρομπότ να κινείται και να παρακάμπτει εμπόδια γρηγορότερα σε διάφορα είδη εδάφους, όλα χωρίς την βοήθεια ενός ανθρώπινου χειριστή.
Η ομάδα θα κοιτάξει τώρα να κάνει τα ρομπότ με πόδια πιο ευέλικτα, ώστε να μπορούν να λειτουργούν σε ακόμη πιο σύνθετα περιβάλλοντα.
“Για τώρα, μπορούμε να εκπαιδεύσουμε ένα ρομπότ να κάνει απλές κινήσεις όπως το περπάτημα, το τρέξιμο και την αποφυγή εμποδίων”, είπε ο Wang. “Τα επόμενα στόχοι μας είναι να επιτρέψουμε σε ένα ρομπότ να ανεβαίνει και να κατεβαίνει σκάλες, να περπατάει σε πέτρες, να αλλάζει κατεύθυνση και να πηδάει πάνω από εμπόδια.”












