Алгоритмы позволяют роботам избегать препятствий и бежать в дикой природе

Команда исследователей из Калифорнийского университета в Сан-Диего разработала новую систему алгоритмов, которая позволяет четырехногим роботам ходить и бежать в дикой природе. Роботы могут ориентироваться в сложной и комплексной местности, избегая статических и движущихся препятствий.

Команда провела испытания, в которых робот был направлен системой для автономного и быстрого перемещения по песчаным поверхностям, гравію, траве и неровным землям, покрытым ветками и упавшими листьями. В то же время он мог избегать столкновений с столбами, деревьями, кустами, валунами, скамейками и людьми. Робот также продемонстрировал способность ориентироваться в оживленном офисном пространстве без столкновений с различными препятствиями.

Создание эффективных четырехногих роботов

Новая система означает, что исследователи ближе, чем когда-либо, к созданию эффективных роботов для поисково-спасательных миссий или роботов для сбора информации в пространствах, которые трудно доступны или опасны для людей.

Работа будет представлена на Международной конференции по интеллектуальным роботам и системам (IROS) с 23 по 27 октября в Киото, Япония.

Система дает роботу больше универсальности благодаря сочетанию зрения робота с проприоцепцией, которая является другой модальностью восприятия, включающей чувство движения, направления, скорости, местоположения и осязания.

Большинство текущих подходов к обучению четырехногих роботов ходить и ориентироваться используют либо проприоцепцию, либо зрение. Однако они не используются одновременно.

Сочетание проприоцепции с компьютерным зрением

Сяолун Ван – профессор электротехники и компьютерных наук в Jacobs School of Engineering Университета Калифорнии в Сан-Диего.

“В одном случае это похоже на обучение слепого робота ходить, просто трогая и чувствуя землю. А в другом случае робот планирует движения своих ног, основываясь только на зрении. Он не учится двум вещам одновременно”, – сказал Ван. “В нашей работе мы сочетаем проприоцепцию с компьютерным зрением, чтобы позволить четырехногому роботу двигаться эффективно и гладко, избегая препятствий, в различных сложных средах, а не только в хорошо определенных.”

Система, разработанная командой, основана на специальном наборе алгоритмов для объединения данных из реальных изображений, сделанных камерой глубины на голове робота, с данными, поступающими от датчиков на ногах робота.

Однако Ван сказал, что это была сложная задача.

“Проблема заключается в том, что во время реальной эксплуатации иногда возникает небольшая задержка в получении изображений с камеры, поэтому данные из двух разных модальностей восприятия не всегда поступают одновременно”, – объяснил он.

Команда решила эту проблему, симулируя несоответствие, рандомизируя два набора входных данных. Исследователи называют эту технику мульти-модальной рандомизацией задержки, и они использовали рандомизированные входные данные для обучения политики укрепления. Этот подход позволил роботу принимать решения быстро, пока он ориентировался, а также предвидеть изменения в своей среде. Эти способности позволили роботу двигаться и маневрировать препятствиями быстрее на разных типах местности, все без помощи человека.

Команда теперь будет стремиться сделать четырехногих роботов более универсальными, чтобы они могли работать на еще более сложных местностях.

“Пока мы можем обучить робота выполнять простые движения, такие как ходьба, бег и избегание препятствий”, – сказал Ван. “Наши следующие цели – позволить роботу ходить по лестнице, ходить по камням, менять направление и прыгать через препятствия.”