Robotics
Goedkope robot navigeert bijna elk obstakel
Een team van onderzoekers heeft een robotsysteem ontworpen waarmee een goedkope robot met kleine poten door bijna elk obstakel of terrein kan navigeren. De robot kan trappen bijna op zijn hoogte beklimmen en afdalen of door rotsachtig, glad, oneffen, steil en gevarieerd terrein navigeren. Het kan ook over gaten lopen, rotsen beklimmen en in het donker opereren.
De project om het systeem te ontwikkelen werd uitgevoerd door onderzoekers van de Carnegie Mellon University's School of Computer Science en de University of California, Berkeley.
Kleine robots voorzien van nieuwe vaardigheden
Deepak Pathak is assistent-professor bij het Robotics Institute.
"Kleine robots in staat stellen om trappen te beklimmen en verschillende omgevingen aan te kunnen, is cruciaal voor het ontwikkelen van robots die nuttig zullen zijn bij mensen thuis, maar ook bij zoek- en reddingsoperaties," zei Pathak. "Dit systeem creëert een robuuste en aanpasbare robot die veel dagelijkse taken kan uitvoeren."
De robot is getest op oneffen trappen en hellingen in openbare parken, waarbij zijn vermogen om over stapstenen en over gladde oppervlakken te lopen, werd getest. Het was ook belast met het beklimmen van trappen die het equivalent zouden zijn van een mens die over een hindernis springt. De robot bereikt een indrukwekkend vermogen om zich snel aan te passen en het terrein te beheersen door gebruik te maken van zijn visie en een kleine boordcomputer.
De robot is getraind met 4,000 klonen in een simulator. Deze klonen oefenden lopen en klimmen op complex terrein, en dankzij de snelheid van de simulator kon de robot zes jaar ervaring opdoen in slechts één dag.
De tijdens de training aangeleerde motorische vaardigheden werden door de simulator opgeslagen in een neuraal netwerk, dat onderzoekers vervolgens kopieerden naar de echte robot. Deze innovatieve aanpak betekende geen hand-engineering van de bewegingen van de robot.
Veel van de huidige robotsystemen vertrouwen op camera's die een kaart van de omgeving maken, die vervolgens wordt gebruikt om de bewegingen van de robot te plannen voordat ze worden uitgevoerd. Dit proces kan echter traag zijn en vatbaar voor fouten als gevolg van onnauwkeurigheden of misvattingen in de mappingfase. Deze onnauwkeurigheden kunnen gevolgen hebben voor de planning en verplaatsingen.
Hoewel mapping en planning nuttig blijken te zijn voor systemen die gericht zijn op controle op hoog niveau, zijn ze niet altijd het beste voor de dynamische vereisten van vaardigheden op laag niveau, zoals lopen of rennen.
Efficiënt en snel manoeuvreren
Het nieuw ontwikkelde robotsysteem slaat de mapping- en planningsfasen over en leidt de visuele input direct naar de besturing van de robot. Dit betekent in feite dat de robot dienovereenkomstig ziet en beweegt. Door de baanbrekende techniek kan de robot zeer snel en effectief reageren op zijn complexe terrein.
De bewegingen van de robot worden getraind door middel van machinaal leren, waardoor de robot goedkoop is. De geteste robot was maar liefst 25 keer goedkoper dan de alternatieven op de markt. Volgens het team zou hun algoritme goedkope robots veel toegankelijker kunnen maken.
Ananye Agarwal is een SCS Ph.D. leerling machinaal leren.
"Dit systeem gebruikt visie en feedback van het lichaam rechtstreeks als input om commando's uit te voeren naar de motoren van de robot," zei Agarwal. “Door deze techniek is het systeem zeer robuust in de echte wereld. Als het op de trap uitglijdt, kan het herstellen. Het kan onbekende omgevingen binnengaan en zich aanpassen.”
Het robotsysteem is sterk geïnspireerd door de natuur. Voor een robot ter grootte van minder dan een voet lang, leerde hij de bewegingen over te nemen die mensen gebruiken om over hoge obstakels te stappen om trappen of obstakels van zijn hoogte te beklimmen. Het systeem maakt gebruik van heupabductie om obstakels te overwinnen die zelfs moeilijk zijn voor de meest geavanceerde robotsystemen met poten die beschikbaar zijn.
Het team keek ook naar vierpotige dieren voor inspiratie.
“Vierpotige dieren hebben een geheugen waardoor hun achterpoten de voorpoten kunnen volgen. Ons systeem werkt op een vergelijkbare manier', zei Pathak.
Dankzij het ingebouwde geheugen kunnen de achterpoten onthouden wat de camera heeft gezien, waardoor ze obstakels kunnen manoeuvreren.
Ashish Kumar is een Ph.D. student aan Berkeley.
"Aangezien er geen kaart en geen planning is, onthoudt ons systeem het terrein en hoe het het voorste been verplaatste en vertaalt dit naar het achterste been, snel en foutloos", zegt Kumar.
Het nieuwe onderzoek zou een grote rol kunnen spelen bij het oplossen van enkele van de grootste uitdagingen rond legged robots. Het zou zelfs kunnen helpen leiden tot hun gebruik in huizen.
