Algoritmi che consentono ai robot di evitare ostacoli e correre nel selvaggio

Un team di ricercatori dell’Università della California – San Diego ha sviluppato un nuovo sistema di algoritmi che consente ai robot a quattro zampe di camminare e correre nel selvaggio. I robot possono navigare in terreni impegnativi e complessi mentre evitano ostacoli statici e in movimento.

Il team ha condotto test in cui un robot è stato guidato dal sistema per manovrare autonomamente e rapidamente su superfici sabbiose, ghiaia, erba e colline di terra accidentate coperte di rami e foglie cadute. Allo stesso tempo, poteva evitare di urtare pali, alberi, cespugli, massi, panche e persone. Il robot ha anche dimostrato la capacità di navigare in uno spazio ufficio affollato senza urtare vari ostacoli.

Costruire robot a zampe efficienti

Il nuovo sistema significa che i ricercatori sono più vicini che mai a costruire robot efficienti per missioni di ricerca e salvataggio, o robot per raccogliere informazioni in spazi difficili da raggiungere o pericolosi per gli esseri umani.

Il lavoro sarà presentato alla Conferenza internazionale 2022 su robot intelligenti e sistemi (IROS) dal 23 al 27 ottobre a Kyoto, Giappone.

Il sistema dà al robot più versatilità a causa della combinazione del senso della vista del robot con la propriocezione, che è un’altra modalità di sensazione che coinvolge il senso del movimento, della direzione, della velocità, della posizione e del tocco del robot.

La maggior parte degli approcci attuali per addestrare i robot a quattro zampe a camminare e navigare utilizza o la propriocezione o la visione. Tuttavia, non vengono utilizzate entrambe allo stesso tempo.

Combinare la propriocezione con la visione computerizzata

Xiaolong Wang è un professore di ingegneria elettrica e informatica alla UC San Diego Jacobs School of Engineering.

“In un caso, è come addestrare un robot cieco a camminare solo toccando e sentendo il terreno. E nell’altro, il robot pianifica i movimenti delle zampe in base alla vista sola. Non sta imparando due cose allo stesso tempo”, ha detto Wang. “Nel nostro lavoro, combiniamo la propriocezione con la visione computerizzata per consentire a un robot a quattro zampe di muoversi in modo efficiente e liscio – mentre evita ostacoli – in una varietà di ambienti impegnativi, non solo quelli ben definiti”.

Il sistema sviluppato dal team si basa su un set speciale di algoritmi per fondere i dati da immagini in tempo reale, scattate da una telecamera a profondità sulla testa del robot, con i dati provenienti dai sensori sulle zampe del robot.

Tuttavia, Wang ha detto che si trattava di un compito complesso.

“Il problema è che durante l’operazione nel mondo reale, a volte c’è un leggero ritardo nel ricevere le immagini dalla telecamera, quindi i dati dalle due diverse modalità di sensazione non arrivano sempre allo stesso tempo”, ha spiegato.

Il team ha affrontato questa sfida simulando la mancanza di sincronizzazione randomizzando i due set di input. I ricercatori si riferiscono a questa tecnica come randomizzazione del ritardo multi-modale e hanno quindi utilizzato gli input utilizzati e randomizzati per addestrare una politica di apprendimento per rinforzo. L’approccio ha consentito al robot di prendere decisioni rapide mentre navigava, nonché di anticipare i cambiamenti nel suo ambiente. Queste capacità hanno consentito al robot di muoversi e manovrare ostacoli più velocemente su diversi tipi di terreni, tutto senza l’assistenza di un operatore umano.

Il team cercherà ora di rendere i robot a quattro zampe più versatili in modo che possano operare su terreni ancora più complessi.

“Attualmente, possiamo addestrare un robot a eseguire movimenti semplici come camminare, correre e evitare ostacoli”, ha detto Wang. “I nostri prossimi obiettivi sono quelli di consentire a un robot di salire e scendere le scale, camminare sulle pietre, cambiare direzione e saltare oltre gli ostacoli”.