Algoritmos Permitem que Robôs Evitem Obstáculos e Corram em Ambientes Selvagens

Uma equipe de pesquisadores da Universidade da Califórnia – San Diego desenvolveu um novo sistema de algoritmos que permite que robôs de quatro pernas caminhem e corram em ambientes selvagens. Os robôs podem navegar em terrenos desafiadores e complexos, evitando obstáculos estáticos e em movimento.

A equipe realizou testes onde um robô foi guiado pelo sistema para manobrar autonomamente e rapidamente sobre superfícies arenosas, cascalho, grama e colinas de terra irregular cobertas com galhos e folhas caídas. Ao mesmo tempo, ele podia evitar colidir com postes, árvores, arbustos, rochas, bancos e pessoas. O robô também demonstrou a capacidade de navegar em um espaço de escritório movimentado sem colidir com vários obstáculos.

Construindo Robôs de Pernas Eficientes

O novo sistema significa que os pesquisadores estão mais perto do que nunca de construir robôs eficientes para missões de busca e resgate, ou robôs para coletar informações em espaços difíceis de alcançar ou perigosos para humanos.

O trabalho será apresentado na Conferência Internacional de 2022 sobre Robôs Inteligentes e Sistemas (IROS) de 23 a 27 de outubro em Kyoto, Japão.

O sistema dá ao robô mais versatilidade devido à combinação do sentido de visão do robô com a propriocepção, que é outra modalidade de sensoriamento que envolve o sentido de movimento, direção, velocidade, localização e toque do robô.

A maioria das abordagens atuais para treinar robôs de pernas para caminhar e navegar usa either a propriocepção ou a visão. No entanto, ambas não são usadas ao mesmo tempo.

Combinando Propriocepção com Visão Computacional

Xiaolong Wang é professor de engenharia elétrica e computacional na UC San Diego Jacobs School of Engineering.

“Em um caso, é como treinar um robô cego para caminhar apenas tocando e sentindo o chão. E no outro, o robô planeja seus movimentos de perna com base apenas na visão”, disse Wang. “Não está aprendendo duas coisas ao mesmo tempo”, disse ele. “Em nosso trabalho, combinamos a propriocepção com visão computacional para permitir que um robô de pernas se mova de forma eficiente e suave – enquanto evita obstáculos – em uma variedade de ambientes desafiadores, não apenas em ambientes bem definidos”.

O sistema desenvolvido pela equipe depende de um conjunto especial de algoritmos para fundir dados de imagens em tempo real, que foram tiradas por uma câmera de profundidade na cabeça do robô, com dados provenientes de sensores nas pernas do robô.

No entanto, Wang disse que isso foi uma tarefa complexa.

“O problema é que, durante a operação no mundo real, às vezes há um pequeno atraso ao receber imagens da câmera, então os dados das duas modalidades de sensoriamento diferentes não chegam sempre ao mesmo tempo”, explicou ele.

A equipe abordou esse desafio simulando a falta de sincronismo, randomizando os dois conjuntos de entradas. Os pesquisadores se referem a essa técnica como randomização de atraso multi-modal. Em seguida, usaram as entradas usadas e randomizadas para treinar uma política de aprendizado por reforço. A abordagem permitiu que o robô tomasse decisões rapidamente enquanto navegava, bem como antecipasse mudanças em seu ambiente. Essas capacidades permitiram que o robô se movesse e manobrasse obstáculos mais rapidamente em diferentes tipos de terrenos, tudo sem assistência de um operador humano.

A equipe agora busca tornar os robôs de pernas mais versáteis para que possam operar em terrenos ainda mais complexos.

“Agora, podemos treinar um robô para realizar movimentos simples, como caminhar, correr e evitar obstáculos”, disse Wang. “Nossos próximos objetivos são permitir que um robô suba e desça escadas, caminhe sobre pedras, mude de direção e pule sobre obstáculos”.