Недорогой робот преодолевает практически любые препятствия

Группа исследователей разработала роботизированную систему, которая позволяет недорогому роботу с маленькими ногами преодолевать практически любое препятствие или местность. Робот может подниматься и спускаться по лестнице почти на свою высоту или перемещаться по каменистой, скользкой, неровной, крутой и разнообразной местности. Он также может преодолевать пропасти, взбираться по скалам и действовать в темноте. 

Ассоциация Проект Разработкой системы занимались исследователи Школы компьютерных наук Университета Карнеги-Меллона и Калифорнийского университета в Беркли. 

Расширение возможностей маленьких роботов новыми навыками

Дипак Патак — доцент Института робототехники. 

«Предоставление маленьким роботам возможности подниматься по лестнице и справляться с различными средами имеет решающее значение для разработки роботов, которые будут полезны в домах людей, а также в поисково-спасательных операциях», — сказал Патхак. «Эта система создает надежного и адаптируемого робота, который может выполнять множество повседневных задач». 

Робот был протестирован на неровных лестницах и склонах холмов в общественных парках, чтобы проверить его способность передвигаться по ступеням и скользким поверхностям. Ему также было поручено подниматься по лестнице, что было бы эквивалентно прыжку человека через препятствие. Робот демонстрирует впечатляющую способность быстро адаптироваться и осваивать местность, используя свое зрение и небольшой бортовой компьютер. 

Робота обучали на симуляторе с 4,000 клонов. Эти клоны практиковали ходьбу и лазание по сложной местности, а скорость симулятора позволила роботу достичь шестилетнего опыта всего за один-единственный день.

Двигательные навыки, полученные во время обучения, сохранялись симулятором в нейронной сети, которую исследователи затем копировали на настоящего робота. Этот инновационный подход означал отсутствие ручного управления движениями робота. 

Многие из современных роботизированных систем 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 подвержен ошибкам из-за неточностей или неправильных представлений на этапе картирования. Эти неточности могут повлиять на планирование и движения. 

Хотя картирование и планирование оказываются полезными для систем, ориентированных на высокоуровневый контроль, они не всегда лучше всего подходят для динамических требований низкоуровневых навыков, таких как ходьба или бег. 

Эффективное и быстрое маневрирование 

Недавно разработанная роботизированная система пропускает этапы картирования и планирования и напрямую направляет входные данные для управления роботом. По сути, это означает, что робот видит и движется соответственно. Техника прорыва позволяет роботу очень быстро и эффективно реагировать на сложную местность. 

Движения робота обучаются посредством машинного обучения, что делает робота недорогим. Тестируемый робот оказался как минимум в 25 раз дешевле альтернатив, представленных на рынке. По мнению команды, их алгоритм может сделать недорогих роботов гораздо более доступными. 

Ананье Агарвал — доктор философии SCS. студент машинного обучения. 

«Эта система использует зрение и обратную связь от тела непосредственно в качестве входных данных для вывода команд на двигатели робота», — сказал Агарвал. «Этот метод позволяет системе быть очень надежной в реальном мире. Если он поскользнется на лестнице, он может восстановиться. Он может войти в неизвестную среду и адаптироваться». 

Роботизированная система была сильно вдохновлена ​​природой. Для робота размером менее фута высотой он научился перенимать движения, которые люди используют, чтобы перешагивать через высокие препятствия, чтобы взбираться по лестнице или препятствиям своей высоты. Система использует отведение бедер для преодоления препятствий, которые трудно преодолеть даже самым продвинутым роботизированным системам на ногах. 

Команда также искала вдохновения в четвероногих животных.

«У четвероногих животных есть память, которая позволяет их задним лапам отслеживать передние. Наша система работает аналогичным образом», — сказал Патхак. 

Встроенная память позволяет задним ногам запоминать то, что видела камера, помогая ей преодолевать препятствия. 

Ашиш Кумар - доктор философии. студент Беркли. 

«Поскольку нет ни карты, ни планирования, наша система запоминает местность и то, как она двигала переднюю ногу, и переводит это на заднюю ногу, делая это быстро и безупречно», — говорит Кумар. 

Новое исследование может сыграть большую роль в решении некоторых серьезных проблем, связанных с роботами на ногах. Это может даже помочь привести к их использованию в домах.