Исследователи создали роботизированное существо с ногами, способное преодолевать труднопроходимую местность

Команда исследователей из ETH Zurich разработала новый подход, который позволяет роботизированному существу с четырьмя ногами быстро двигаться по сложной местности. Робот, названный ANYmal, использует машинное обучение для объединения визуального восприятия окружающей среды и тактильного ощущения.

Четырехногий робот смог подняться на 120 вертикальных метров за 31 минуту, что на четыре минуты быстрее, чем предполагаемое время для человека без ошибок.

Совершенно новая технология

Технология, которая позволяет ANYmal объединять визуальное восприятие и тактильное ощущение, является совершенно новой.

Команду возглавлял Марко Хуттер, и исследования были опубликованы в журнале Science Robotics.

“Робот научился объединять визуальное восприятие окружающей среды с проприоцепцией – его тактильным ощущением – на основе прямого контакта ног. Это позволяет ему преодолевать сложную местность быстрее, более эффективно и, прежде всего, более надежно”, – говорит Хуттер.

Команда утверждает, что робот в конечном итоге сможет быть развернут в любом месте, которое слишком опасно для человека или невозможно для других типов роботов.

Люди и животные также объединяют визуальное восприятие окружающей среды с тактильным ощущением от ног и рук, что позволяет им справляться с трудной местностью. Ранее разработанные роботы с ногами могли делать это только в ограниченной степени.

Такахиро Мики – аспирант и ведущий автор исследования.

“Причина в том, что информация о непосредственной среде, записанная лазерными датчиками и камерами, часто неполна и двусмысленна”, – сказал Мики.

“Поэтому роботы, такие как ANYmal, должны быть в состоянии решить сами, когда доверять визуальному восприятию окружающей среды и двигаться вперед быстро, и когда лучше продвигаться осторожно и с малыми шагами”, – продолжил Мики. “И это большая задача”.

Обучение нейронной сети

Новая технология включает в себя контроллер на основе нейронной сети, который позволяет ANYmal объединять внешнее и проприоцептивное восприятие впервые. Ученые сначала подвергли систему многочисленным препятствиям и источникам ошибок в виртуальном тренировочном лагере, что позволило сети научиться преодолевать препятствия наилучшим образом. Она также научилась, когда полагаться на данные окружающей среды, а когда игнорировать их.

“С помощью этого обучения робот может освоить самую трудную естественную местность без предварительного знания”, – говорит Хуттер.

Робот может выполнять этот процесс даже тогда, когда данные датчиков о непосредственной среде двусмысленны или неясны, в этом случае ANYmal полагается на свою проприоцепцию. Это позволяет ему объединить скорость и эффективность внешнего восприятия с безопасностью проприоцептивного восприятия.