Edullinen robotti navigoi lähes millä tahansa esteellä

Tutkijaryhmä on suunnitellut robottijärjestelmän, jonka avulla halpa, pienijalkainen robotti voi navigoida lähes missä tahansa esteessä tai maastossa. Robotti voi kiivetä ja laskeutua portaita lähes korkeuteensa tai navigoida kivisessä, liukkaassa, epätasaisessa, jyrkässä ja vaihtelevassa maastossa. Se voi myös kävellä aukkojen yli, skaalata kiviä ja toimia pimeässä. 

- projekti järjestelmän kehittämiseen osallistuivat tutkijat Carnegie Mellonin yliopiston tietojenkäsittelytieteiden korkeakoulussa ja Kalifornian yliopistossa Berkeleyssä. 

Valmentaa pieniä robotteja uusilla taidoilla

Deepak Pathak on apulaisprofessori Robotics Institutessa. 

"Pienten robottien antaminen kiipeämään portaissa ja käsittelemään erilaisia ​​ympäristöjä on ratkaisevan tärkeää sellaisten robottien kehittämisessä, joista on hyötyä ihmisten kodeissa sekä etsintä- ja pelastusoperaatioissa", Pathak sanoi. "Tämä järjestelmä luo vankan ja mukautuvan robotin, joka pystyy suorittamaan monia jokapäiväisiä tehtäviä." 

Robottia testattiin epätasaisilla portailla ja rinteillä julkisissa puistoissa, joissa testattiin sen kykyä kävellä ponnahduskivien yli ja liukkailla pinnoilla. Sen tehtävänä oli myös kiivetä portaissa, jotka vastaisivat ihmisen hyppäämistä esteen yli. Robotti saavuttaa vaikuttavan kyvyn mukautua nopeasti ja hallita maastoa käyttämällä visioaan ja pientä ajotietokonetta. 

Robotti koulutettiin simulaattorissa 4,000 XNUMX kloonin kanssa. Nämä kloonit harjoittelivat kävelyä ja kiipeilyä monimutkaisessa maastossa, ja simulaattorin nopeus mahdollisti robotin kuuden vuoden kokemuksen vain yhdessä päivässä.

Simulaattori tallensi harjoittelun aikana opitut motoriset taidot neuroverkkoon, jonka tutkijat kopioivat sitten oikeaan robottiin. Tämä innovatiivinen lähestymistapa ei merkinnyt robotin liikkeitä käsin. 

Monet nykypäivän robottijärjestelmät luottavat kameroihin, jotka luovat kartan ympäröivästä ympäristöstä, jonka avulla suunnitellaan robotin liikkeitä ennen niiden suorittamista. Tämä prosessi voi kuitenkin olla hidas ja altis virheille kartoitusvaiheen epätarkkuuksien tai väärinkäsitysten vuoksi. Nämä epätarkkuudet voivat vaikuttaa suunnitteluun ja liikkeisiin. 

Vaikka kartoitus ja suunnittelu osoittautuvat hyödyllisiksi korkean tason ohjaukseen keskittyville järjestelmille, ne eivät aina ole parhaita matalan tason taitojen, kuten kävelyn tai juoksun, dynaamisiin vaatimuksiin. 

Tehokas ja nopea ohjailu 

Äskettäin kehitetty robottijärjestelmä ohittaa kartoitus- ja suunnitteluvaiheet ja reitittää näkösyötteet suoraan robotin ohjaukseen. Tämä tarkoittaa pohjimmiltaan sitä, että robotti näkee ja liikkuu sen mukaisesti. Läpimurtotekniikan ansiosta robotti pystyy reagoimaan monimutkaiseen maastoonsa erittäin nopeasti ja tehokkaasti. 

Robotin liikkeitä koulutetaan koneoppimisen avulla, mikä tekee robotista edullisen. Testattu robotti oli vähintään 25 kertaa halvempi kuin markkinoilla olevat vaihtoehdot. Ryhmän mukaan heidän algoritminsa voisi tehdä edullisista roboteista paljon helpommin saavutettavia. 

Ananye Agarwal on SCS:n tohtori. koneoppimisen opiskelija. 

"Tämä järjestelmä käyttää näkemystä ja kehon palautetta suoraan syötteenä robotin moottoreiden lähtökäskyihin", Agarwal sanoi. ”Tämä tekniikka mahdollistaa järjestelmän olevan erittäin vankka todellisessa maailmassa. Jos se liukastuu portaissa, se voi toipua. Se voi mennä tuntemattomiin ympäristöihin ja sopeutua." 

Robottijärjestelmä oli vahvasti luonnon inspiroima. Alle jalkaa pitkälle robotille se oppi omaksumaan liikkeet, joita ihmiset käyttävät astuessaan korkeiden esteiden yli skaalatakseen portaita tai esteitä sen korkeudelle. Järjestelmä käyttää lonkkakaappausta ylittääkseen esteet, jotka ovat jopa vaikeita edistyneimmille saatavilla oleville jalkarobottijärjestelmille. 

Tiimi etsi myös inspiraatiota nelijalkaisista eläimistä.

”Nelijalkaisilla eläimillä on muisti, jonka avulla niiden takajalat voivat seurata etujalkoja. Järjestelmämme toimii samalla tavalla, Pathak sanoi. 

Sisäänrakennetun muistin avulla takajalat muistavat, mitä kamera näki, mikä auttaa sitä ohjaamaan esteitä. 

Ashish Kumar on Ph.D. opiskelija Berkeleyssä. 

"Koska karttaa tai suunnittelua ei ole, järjestelmämme muistaa maaston ja sen, kuinka se liikutti etuosuutta, ja muuntaa tämän takaosaan, mikä tekee sen nopeasti ja virheettömästi", Kumar sanoo. 

Uudella tutkimuksella voi olla suuri rooli joidenkin jalkarobottien suurten haasteiden ratkaisemisessa. Se voi jopa auttaa johtamaan niiden käyttöön kodeissa.