Algoritmer gjør det mulig for roboter å unngå hindringer og løpe i villmarken

Et team av forskere ved University of California – San Diego har utviklet et nytt system av algoritmer som gjør det mulig for firebeinte roboter å gå og løpe i villmarken. Robotene kan navigere i utfordrende og komplekse terreng uten å bli hindret av statiske og bevegelige hindringer.

Teamet har utført tester der en robot ble styrt av systemet for å manøvrere autonomt og raskt over sandige overflater, grus, gress og bumpete jordhauger dekket med greiner og falt blad. Samtidig kunne den unngå å kjøre inn i stolper, trær, busker, steiner, benker og mennesker. Roboten viste også evne til å navigere i en travel kontorbygning uten å kjøre inn i ulike hindringer.

Bygging av effektive firebeinte roboter

Det nye systemet betyr at forskerne er nærmere enn noen gang å bygge effektive roboter for søk- og redningsoppdrag, eller roboter for å samle informasjon i rom som er vanskelige å nå eller farlige for mennesker.

Arbeidet skal presenteres på 2022 International Conference on Intelligent Robots and Systems (IROS) fra 23. til 27. oktober i Kyoto, Japan.

Systemet gir roboten mer fleksibilitet på grunn av kombinasjonen av robotens syn og proprioception, som er en annen sansemodus som involverer robotens bevegelses-, retnings-, hastighets-, plasserings- og berøringsfølelse.

De fleste av de nåværende tilnærmingene til å trene firebeinte roboter til å gå og navigere bruker enten proprioception eller syn. Men begge brukes ikke samtidig.

Kombinering av proprioception med datavisjon

Xiaolong Wang er professor i elektro- og datateknikk ved UC San Diego Jacobs School of Engineering.

“I ett tilfelle er det som å trene en blind robot til å gå ved å bare berøre og føle på bakken. Og i den andre, planlegger roboten bevegelsene sine basert på syn alene. Den lærer ikke to ting samtidig,” sa Wang. “I vårt arbeid kombinerer vi proprioception med datavisjon for å gjøre det mulig for en firebeint robot å bevege seg effektivt og jevnt – samtidig som den unngår hindringer – i en rekke utfordrende miljøer, ikke bare veldefinerte.”

Systemet som er utviklet av teamet, baserer seg på en spesiell sett med algoritmer for å kombinere data fra sanntidsbilder, som er tatt av en dybde-kamera på robotens hode, med data fra sensorer på robotens ben.

Men Wang sa at dette var en kompleks oppgave.

“Problemene er at under sanntidsdrift, kan det noen ganger være en liten forsinkelse i mottak av bilder fra kameraet, så dataene fra de to ulike sansemodusene kommer ikke alltid samtidig,” forklarte han.

Teamet løste denne utfordringen ved å simulere mismatch ved å tilfeldig endre de to settene med innputt. Forskerne omtaler denne teknikken som multi-modal forsinkelses-tilfeldighet, og de brukte de brukte og tilfeldige innputtene til å trene en forsterkingslæringspolicy. Tilnærmingen gjorde det mulig for roboten å ta raske beslutninger mens den navigerte, samt forutse endringer i miljøet. Disse evnene gjorde det mulig for roboten å bevege seg og manøvrere hindringer raskere på ulike typer terreng, uten assistanse fra en menneskelig operatør.

Teamet vil nå prøve å gjøre firebeinte roboter mer fleksible, så de kan operere på enda mer komplekse terreng.

“For øyeblikket kan vi trene en robot til å utføre enkle bevegelser som å gå, løpe og unngå hindringer,” sa Wang. “Våre neste mål er å aktivere en robot til å gå opp og ned trapper, gå på steiner, endre retning og hoppe over hindringer.”