Tutkijat luovat jalkaisen robotin, joka pystyy kulkemaan haastavassa maastossa

Sveitsiläisen ETH Zürichin tutkijaryhmä on kehittänyt uuden lähestymistavan, joka mahdollistaa jalkaisen robotin nopean liikkumisen monimutkaisessa maastossa. Robotti, joka on nimeltään ANYmal, käyttää koneoppimista yhdistääksesi visuaalisen ympäristön havainnon ja kosketuksen.

Nelijalkainen robotti pystyi kiipeämään 120 vertikaalimetriä 31 minuutissa, mikä on neljä minuuttia nopeampi kuin arvioitu kestoa ihmisille ilman kompastumisia.

Uusi teknologia

Teknologia, joka mahdollistaa ANYmalin yhdistää visuaalisen havainnon ja kosketuksen, on uusi.

Tutkijaryhmää johti Marco Hutter, ja tutkimus julkaistiin Science Robotics -lehdessä.

“Robotti on oppinut yhdistämään visuaalisen ympäristön havainnon kosketukseen perustuen suoraan jalkojen kosketukseen. Tämä mahdollistaa sen käsitellä haastavaa maastoa nopeammin, tehokkaammin ja ennen kaikkea luotettavammin”, Hutter sanoo.

Tutkijaryhmä sanoo, että robotti tulee lopulta olemaan kykenevä toimimaan missä tahansa, jossa se on vaarallista ihmisille tai muuten mahdotonta erilaisille roboteille.

Ihmiset ja eläimet yhdistävät myös visuaalisen ympäristön havainnon kosketukseen jaloistaan ja käsistään, mikä mahdollistaa heidän käsitellä haastavaa maastoa. Aikaisemmin kehitetyt jalkaiset robotit ovat pystyneet tähän vain rajoitetusti.

Takahiro Miki on tohtorikoulutettava ja tutkimuksen pääkirjoittaja.

“Syy tähän on, että lähiympäristön tieto, joka on tallennettu lasersensoreilla ja kamerilla, on usein epätäydellinen ja monitulkintainen”, Miki sanoo.

“Sen vuoksi robotit kuten ANYmal joutuvat päättämään itse, milloin luottaa visuaaliseen ympäristön havaintoon ja edetä nopeasti, ja milloin on parempi edetä varovasti ja pienin askelin”, Miki jatkaa. “Ja tämä on suuri haaste.”

Neuraaliverkon koulutus

Uusi teknologia sisältää neuraaliverkko-ohjaimen, joka mahdollistaa ANYmalin yhdistää ulkoisen ja proprioceptiivisen havainnon ensimmäistä kertaa. Tutkijat altistivat järjestelmän ensin monille esteille ja virhelähteille virtuaalikoulutusleirissä, mikä mahdollisti verkon oppia ylittämään esteitä parhaalla tavalla. Se oppi myös, milloin luottaa ympäristötietoihin ja milloin ignoreerata niitä.

“Tällä koulutuksella robotti pystyy hallitsemaan haastavimman luonnonmaastoa ilman, että se on sitä aiemmin nähnyt”, Hutter sanoo.

Robotti pystyy suorittamaan tämän prosessin myös silloin, kun lähiympäristön anturidata on epätäydellinen tai monitulkintainen, jolloin ANYmal luottaa proprioceptioonsa. Tämä mahdollistaa sen yhdistää ulkoisen havainnon nopeuden ja tehokkuuden proprioceptiivisen havainnon turvallisuuden kanssa.