Низкобюджетный робот ориентируется почти в любом препятствии

Команда исследователей разработала робототехническую систему, которая позволяет низкобюджетному, небольшому роботизированному устройству с ногами ориентироваться почти в любом препятствии или местности. Робот может подниматься и спускаться по ступенькам почти своего роста или ориентироваться в скалистой, скользкой, неровной, крутой и разнообразной местности. Он также может ходить по пробелам, подниматься по скалам и работать в темноте.

Проект по разработке системы был осуществлен исследователями в Университете Карнеги-Меллона и Университете Калифорнии, Беркли.

Наделение небольших роботов новыми навыками

Дипак Патхак – ассистент профессора в Институте робототехники.

«Наделение небольших роботов способностью подниматься по ступенькам и ориентироваться в различных средах имеет решающее значение для разработки роботов, которые будут полезны в домах людей, а также для поисково-спасательных операций», – сказал Патхак. «Эта система создает прочный и адаптивный робот, который может выполнять многие повседневные задачи».

Робот был протестирован на неровных ступеньках и холмах в общественных парках, что проверило его способность ходить по ступенькам и по скользким поверхностям. Он также был задействован в подъеме по ступенькам, которые были бы эквивалентны прыжку человека через препятствие. Робот достигает впечатляющей способности быстро адаптироваться и освоить местность, используя свое зрение и небольшой бортовой компьютер.

Робот был обучен с 4 000 копиями в симуляторе. Эти копии практиковали ходьбу и подъем по сложной местности, и скорость симулятора позволила роботу получить шесть лет опыта всего за один день.

Моторные навыки, полученные во время обучения, были сохранены симулятором в нейронной сети, которую исследователи затем скопировали в реального робота. Этот инновационный подход означал, что не было необходимости手альной настройки движений робота.

Многие современные робототехнические системы полагаются на камеры, которые создают карту окружающей среды, которая затем используется для планирования движений робота до их выполнения. Однако этот процесс может быть медленным и склонным к ошибкам из-за неточностей или неправильных восприятий на этапе картографирования. Эти неточности могут повлиять на планирование и движения.

Хотя картографирование и планирование доказали свою полезность для систем, ориентированных на высокоуровневый контроль, они не всегда являются лучшими для динамических требований низкоуровневых навыков, таких как ходьба или бег.

Эффективное и быстрое маневрирование

Новая робототехническая система пропускает этапы картографирования и планирования и直接 передает входные данные от зрения к контролю робота. Это означает, что робот видит и двигается соответственно. Этот прорывной метод позволяет роботу быстро и эффективно реагировать на сложную местность.

Движения робота обучаются с помощью машинного обучения, что делает робота низкобюджетным. Протестированный робот был как минимум в 25 раз дешевле альтернатив на рынке. Согласно команде, их алгоритм может сделать низкобюджетных роботов намного более доступными.

Аняне Агравал – аспирант в области машинного обучения.

«Эта система использует зрение и обратную связь от тела напрямую как входные данные для выдачи команд моторам робота», – сказал Агравал. «Этот метод позволяет системе быть очень прочной в реальном мире. Если она поскользнется на ступеньках, она может восстановиться. Она может войти в неизвестные среды и адаптироваться».

Робототехническая система была сильно вдохновлена природой. Для робота размером меньше фута он научился采用 движения, которые люди используют для преодоления высоких препятствий, чтобы подняться по ступенькам или препятствиям своего роста. Система использует отведение бедра, чтобы преодолеть препятствия, которые даже самые передовые роботизированные системы с ногами не могут.

Команда также обратилась к четырехногим животным за вдохновением.

«Четырехногие животные имеют память, которая позволяет их задним ногам отслеживать передние ноги. Наша система работает аналогичным образом», – сказал Патхак.

Бортовая память позволяет задним ногам помнить, что видела камера, помогая роботу маневрировать препятствиями.

Ашиш Кумар – аспирант в Беркли.

«Поскольку нет карты, нет планирования, наша система помнит местность и то, как она двигала переднюю ногу, и переводит это в заднюю ногу, делая это быстро и безупречно», – говорит Кумар.

Новое исследование может сыграть большую роль в решении некоторых из основных проблем, окружающих роботов с ногами. Оно даже может помочь привести к их использованию в домах.