Algorytmy pozwalają robotom unikać przeszkód i biegać na wolności

Zespół badaczy z Uniwersytetu Kalifornijskiego w San Diego opracował nowy system algorytmów, który pozwala czteronożnym robotom chodzić i biegać na wolności. Roboty mogą nawigować po trudnym i złożonym terenie, unikając statycznych i ruchomych przeszkód.

Zespół przeprowadził testy, w których robot został skierowany przez system do manewrowania samodzielnie i szybko po powierzchniach piaszczystych, żwiru, trawy i nierównych wzgórz pokrytych gałęziami i opadłymi liśćmi. Jednocześnie mógł uniknąć zderzenia z słupami, drzewami, krzewami, głazami, ławkami i ludźmi. Robot również wykazał zdolność do nawigacji w zajętym biurze bez zderzenia z różnymi przeszkodami.

Budowanie wydajnych robotów czteronożnych

Nowy system oznacza, że badacze są bliżej niż kiedykolwiek budowania wydajnych robotów do misji poszukiwawczo-ratunkowych lub robotów do zbierania informacji w miejscach, które są trudne do dostania lub niebezpieczne dla ludzi.

Praca ma być przedstawiona na 2022 Międzynarodowej Konferencji o Inteligentnych Robotach i Systemach (IROS) od 23 do 27 października w Kioto, Japonia.

System daje robotowi więcej wsparcia dzięki połączeniu zmysłu wzroku robota z propriocepcją, który jest innym rodzajem sensorycznym, który obejmuje zmysł ruchu, kierunku, prędkości, położenia i dotyku.

Większość obecnych podejść do szkolenia robotów czteronożnych do chodzenia i nawigacji wykorzystuje albo propriocepcję, albo wzrok. Jednak nie są one używane jednocześnie.

Połączenie propriocepcji z widzeniem komputerowym

Xiaolong Wang jest profesorem inżynierii elektrycznej i komputerowej w UC San Diego Jacobs School of Engineering.

“W jednym przypadku jest to jak szkolenie ślepego robota do chodzenia tylko przez dotyk i odczuwanie podłoża. A w drugim, robot planuje swoje ruchy nogami na podstawie samego wzroku. Nie uczy się dwóch rzeczy jednocześnie”, powiedział Wang. “W naszej pracy łączymy propriocepcję z widzeniem komputerowym, aby umożliwić robotowi czteronożnemu poruszanie się sprawnie i gładko – unikając przeszkód – w różnych trudnych środowiskach, a nie tylko w dobrze zdefiniowanych”.

System opracowany przez zespół opiera się na specjalnym zestawie algorytmów do łączenia danych z obrazów w czasie rzeczywistym, które zostały wykonane przez kamerę głębi na głowie robota, z danymi pochodzącymi z czujników na nogach robota.

Jednak Wang powiedział, że było to skomplikowane zadanie.

“Problem polega na tym, że podczas rzeczywistego działania jest czasem niewielkie opóźnienie w otrzymywaniu obrazów z kamery, więc dane z dwóch różnych modalności sensorycznych nie zawsze przychodzą w tym samym czasie”, wyjaśnił.

Zespół rozwiązał ten problem, symulując niezgodność przez losową zmianę dwóch zestawów danych wejściowych. Badacze określają tę technikę jako losową zmianę opóźnienia wielomodalnego, a następnie użyli tych losowo zmienionych danych wejściowych do szkolenia polityki uczenia wzmocnionego. Podejście to umożliwiło robotowi podejmowanie szybkich decyzji podczas nawigacji, a także przewidywanie zmian w jego środowisku. Te zdolności pozwoliły robotowi poruszać się i manewrować przeszkodami szybciej na różnych typach terenów, wszystko bez pomocy operatora ludzkiego.

Zespół będzie teraz starał się uczynić roboty czteronożne bardziej wszechstronnymi, aby mogły działać na jeszcze bardziej złożonych terenach.

“Obecnie możemy szkolić robota do wykonywania prostych ruchów, takich jak chodzenie, bieganie i unikanie przeszkód”, powiedział Wang. “Naszymi następnymi celami są umożliwienie robotowi chodzenia po schodach, chodzenia po kamieniach, zmiany kierunku i skakania przez przeszkody”.