Lavkost-robot navigerer nesten ethvert hindring

Et team av forskere har designet et robotisk system som gjør det mulig for en lavkost, liten, beinløs robot å navigere nesten ethvert hindring eller terreng. Roboten kan klatre og gå ned trapper som er nesten like høye som den selv, eller navigere gjennom steinete, glatte, ujevn, bratte og varierende terreng. Den kan også gå over gap, klatre over steiner og operere i mørket. 

Prosjektet for å utvikle systemet ble gjennomført av forskere ved Carnegie Mellon Universitys School of Computer Science og University of California, Berkeley. 

Å gi små roboter nye ferdigheter

Deepak Pathak er en assistant professor ved Robotics Institute. 

“Å gi små roboter evnen til å klatre trapper og håndtere en rekke miljøer er avgjørende for å utvikle roboter som vil være nyttige i folks hjem samt i redningsoperasjoner,” sa Pathak. “Dette systemet skaper en robust og tilpasningsdyktig robot som kan utføre mange hverdagsoppgaver.” 

Roboten ble testet på ujevn terreng og åssider i offentlige parker, som testet dens evne til å gå over steiner og over glatte overflater. Den ble også satt til å klatre trapper som ville være ekvivalent til at et menneske hoppet over et hinder. Roboten oppnår en imponerende evne til å raskt tilpasse seg og mestre terreng ved å bruke sin syn og en liten onboard-computer. 

Roboten ble trent med 4 000 kloner i en simulator. Disse klonene øvde på å gå og klatre i kompleks terreng, og simulatorsystemets hastighet gjorde det mulig for roboten å oppnå seks års erfaring på bare en enkelt dag.

De motoriske ferdighetene som ble lært under treningen ble lagret i en neural nettverk av simulatorsystemet, som forskerne deretter kopierte til den virkelige roboten. Dette innovative tilnærmingen betydde at det ikke var nødvendig med manuell programmering av robotens bevegelser. 

Mange av dagens robotiske systemer er avhengige av kameraer som lager en kart over omgivelsene, som deretter brukes til å planlegge robotens bevegelser før de utføres. Men denne prosessen kan være treg og utsatt for feil på grunn av uakkurate eller misforståtte kart. Disse uakkurate kart kan påvirke planleggingen og bevegelsene. 

Mens kartlegging og planlegging kan være nyttige for systemer som fokuserer på høyere kontroll, er de ikke alltid de beste for de dynamiske kravene til lavere ferdigheter, som å gå eller løpe. 

Effektiv og rask manøvrering

Det nylig utviklede robotiske systemet hopper over kartleggings- og planleggingsfasene og sender visuelle innputt direkte til kontrollen av roboten. Dette betyr i praksis at roboten ser og beveger seg i henhold til det. Gjennombruddsteknikken gjør det mulig for roboten å reagere raskt og effektivt på komplekst terreng. 

Robotens bevegelser er trent gjennom maskinlæring, noe som gjør roboten lavkost. Den testede roboten var minst 25 ganger billigere enn alternativene på markedet. Ifølge teamet kan deres algoritme gjøre lavkost-roboter mye mer tilgjengelige. 

Ananye Agarwal er en SCS-ph.d.-student i maskinlæring. 

“Dette systemet bruker syn og tilbakemelding fra kroppen direkte som innputt til å sende kommandoer til robotens motorer,” sa Agarwal. “Denne teknikken gjør systemet svært robust i den virkelige verden. Hvis den glir på trappene, kan den gjenopprette seg. Den kan gå inn i ukjente miljøer og tilpasse seg.” 

Det robotiske systemet ble sterkt inspirert av naturen. For en robot som er mindre enn en fot høy, lærte den å adoptere bevegelsene mennesker bruker for å gå over høye hindringer for å klatre trapper eller hindringer som er like høye som den selv. Systemet bruker hoftabduksjon for å overvinne hindringer som er svært vanskelige selv for de mest avanserte beinløse robotiske systemene som er tilgjengelige. 

Teamet så også mot firebeinte dyr for inspirasjon.

“Firebeinte dyr har en hukommelse som gjør at deres bakbein kan spore frontbeina. Vårt system fungerer på en lignende måte,” sa Pathak. 

Den onboard-hukommelsen gjør det mulig for bakbeina å huske hva kameraet så, og hjelper den å manøvrere hindringer. 

Ashish Kumar er en ph.d.-student ved Berkeley. 

“Ettersom det ikke finnes noen kart, ingen planlegging, husker vårt system terreng og hvordan det flyttet frontbeinet og oversetter dette til bakbeinet, og gjør det raskt og feilfritt,” sa Kumar. 

Den nye forskningen kan spille en stor rolle i å løse noen av de største utfordringene som omgir beinløse roboter. Den kan også bidra til å føre til deres bruk i hjem.