Робототехника
Алгоритмы позволяют роботам избегать препятствий и бегать в дикой природе
Группа исследователей из Калифорнийского университета в Сан-Диего разработала новую систему алгоритмов, которая позволяет четвероногим роботам ходить и бегать в дикой природе. Роботы могут перемещаться по сложной и сложной местности, избегая статических и движущихся препятствий.
Команда провела тесты, в которых система управляла роботом для автономного и быстрого маневрирования по песчаным поверхностям, гравию, траве и ухабистым грунтовым холмам, покрытым ветками и опавшими листьями. В то же время он мог избежать столкновения со столбами, деревьями, кустарниками, валунами, скамейками и людьми. Робот также продемонстрировал способность перемещаться по оживленному офисному пространству, не натыкаясь на различные препятствия.
Создание эффективных роботов на ногах
Новая система означает, что исследователи как никогда близки к созданию эффективных роботов для поисково-спасательных операций или роботов для сбора информации в труднодоступных или опасных для человека местах.
Работа будет представлена на 2022 Международная конференция по интеллектуальным роботам и системам (IROS) с 23 по 27 октября в Киото, Япония.
Система делает робота более универсальным благодаря сочетанию зрения робота с проприоцепцией, которая является еще одной модальностью восприятия, которая включает в себя чувство движения, направления, скорости, местоположения и осязания робота.
Большинство современных подходов к обучению роботов на ногах ходить и ориентироваться используют либо проприоцепцию, либо зрение. Однако они оба не используются одновременно.
Сочетание проприоцепции с компьютерным зрением
Сяолун Ван — профессор электротехники и вычислительной техники в Инженерной школе Джейкобса Калифорнийского университета в Сан-Диего.
«В одном случае это похоже на обучение слепого робота ходить, просто касаясь и чувствуя землю. А в другом робот планирует движения ног, основываясь только на зрении. Это не изучение двух вещей одновременно», — сказал Ван. «В нашей работе мы сочетаем проприоцепцию с компьютерным зрением, чтобы робот с ногами мог эффективно и плавно передвигаться, избегая препятствий, в различных сложных условиях, а не только в четко определенных».
Система, разработанная командой, опирается на специальный набор алгоритмов для объединения данных изображений в реальном времени, полученных камерой глубины на голове робота, с данными, поступающими от датчиков на ногах робота.
Однако Ван сказал, что это сложная задача.
«Проблема в том, что во время реальной работы иногда происходит небольшая задержка в получении изображений с камеры, поэтому данные от двух разных датчиков не всегда поступают одновременно», — пояснил он.
Команда решила эту проблему, смоделировав несоответствие путем рандомизации двух наборов входных данных. Исследователи называют этот метод мультимодальной рандомизацией задержки, а затем они использовали использованные и рандомизированные входные данные для обучения политике обучения с подкреплением. Этот подход позволил роботу быстро принимать решения во время навигации, а также предвидеть изменения в окружающей среде. Эти способности позволили роботу быстрее перемещаться и маневрировать с препятствиями на разных типах местности без помощи человека-оператора.
Теперь команда будет стремиться сделать роботов с ногами более универсальными, чтобы они могли работать на еще более сложной местности.
«Прямо сейчас мы можем научить робота выполнять простые движения, такие как ходьба, бег и преодоление препятствий», — сказал Ван. «Наша следующая цель — дать роботу возможность подниматься и спускаться по лестнице, ходить по камням, менять направление и перепрыгивать через препятствия».