Algoritmit mahdollistavat robotien välttämisen esteitä ja juoksemisen villinä

Kalifornian yliopiston San Diegon kampuksella tutkijaryhmä on kehittänyt uuden algoritmi-järjestelmän, joka mahdollistaa nelijalkaisten robotien kävelemisen ja juoksemisen villinä. Robotit voivat navigoida haastavissa ja monimutkaisissa maastossa välttäen sekä staattisia että liikkuvia esteitä.

Tutkijaryhmä suoritti kokeita, joissa robotti ohjattiin järjestelmän avulla manööveröimään itsenäisesti ja nopeasti hiekkaisilla pinnoilla, soralla, ruoholla ja epätasaisilla maastoilla, joissa oli oksia ja kaatuneita lehtiä. Samalla se pystyi välttämään törmäämästä pylväisiin, puihin, pensaisiin, kiviin, penkkeihin ja ihmisiin. Robotti osoitti myös kykyä navigoida kiireisessä toimistotilassa ilman törmäämistä erilaisiin esteisiin.

Tekevätkö algoritmit jalaksella varustetuista robooteista tehokkaampia

Uusi järjestelmä tarkoittaa, että tutkijat ovat lähempänä kuin koskaan aiemmin tehokkaiden etsintä- ja pelastuslaitteiden sekä tietojen keräämisen laitteiden kehittämistä vaikeasti saatavilla oleviin tai vaarallisiiin paikkoihin.

Tutkimus esitetään Vuoden 2022 älykkäiden robotien ja järjestelmien kansainvälisessä konferenssissa (IROS) 23.-27. lokakuuta Kioto, Japani.

Järjestelmä antaa robotille enemmän joustavuutta yhdistämällä robotin näköaistin proprioceptionin kanssa, joka on toinen aistimisen tapa, joka liittyy robotin liikkeen, suunnan, nopeuden, sijainnin ja kosketuksen aistiin.

Useimmat nykyiset lähestymistavat jalaksella varustettujen robotien kouluttamiseen kävelemään ja navigoida käyttävät joko proprioceptionia tai näköaistia. Kumpaakaan ei kuitenkaan käytetä samaan aikaan.

Yhdistämällä proprioceptionin tietokoneen näkökykyyn

Xiaolong Wang on sähkö- ja tietotekniikan professori UC San Diegon Jacobsin insinööritieteellisessä tiedekunnassa.

“Toisessa tapauksessa se on kuin kouluttaa sokea robotti kävelemään vain koskettaen ja tuntelemalla maata. Ja toisessa robotti suunnittelee jalkaliikkeensä pelkästään näön perusteella. Se ei opi kahta asiaa samaan aikaan”, Wang sanoi. “Meidän työssämme yhdistämme proprioceptionin tietokoneen näkökyvyn kanssa, jotta jalaksella varustettu robotti voi liikkua tehokkaasti ja sileästi – välttäen esteitä – monissa haastavissa ympäristöissä, ei vain hyvin määriteltyissä. “

Tutkijaryhmän kehittämä järjestelmä perustuu erityiseen algoritmien joukkoon, joka yhdistää reaaliaikaisista kuvista, jotka otettiin robotin pään syvyyden kameralla, tietoihin, jotka tulevat robotin jalkojen anturista.

Wang kuitenkin sanoi, että tämä oli monimutkainen tehtävä.

“Ongelma on, että todellisessa toiminnassa on toisinaan pieni viive kuvien vastaanottamisessa kamerasta, joten kahden eri aistimisen tapojen tiedot eivät aina saavu samaan aikaan”, hän selitti.

Tutkijaryhmä ratkaisi haasteen simuloimalla epäsuhtaamalla satunnaistamalla kaksi syötettä. Tutkijat viittaavat tähän tekniikkaan monimodaalisen viiveen satunnaistamisena, ja he käyttivät satunnaistettuja syötteitä vahvistusoppimispolitiikan kouluttamiseen. Lähestymistapa mahdollisti robotin nopeiden päätösten tekemisen navigoidessaan ja ennustaa ympäristönsä muutoksia. Nämä kyvyt mahdollistivat robotin liikkumisen ja manööveröimisen nopeammin erilaisilla maastoilla ilman ihmisen apua.

Tutkijaryhmä aikoo nyt tehdä jalaksella varustetuista robooteista monipuolisempia, jotta ne voivat toimia monimutkaisemmissa ympäristöissä.

“Tällä hetkellä voimme kouluttaa robotin tekemään yksinkertaisia liikkeitä, kuten kävelemistä, juoksemista ja esteiden välttämistä”, Wang sanoi. “Seuraavat tavoitteemme ovat mahdollistaa robotin käveleminen ylös ja alas portaita, käveleminen kivillä, suunnan muuttaminen ja hyppääminen esteiden yli.”