Algoritmer gör det möjligt för robotar att undvika hinder och springa i vildmarken

Ett team av forskare vid University of California – San Diego har utvecklat ett nytt system av algoritmer som gör det möjligt för fyrbenta robotar att gå och springa i vildmarken. Robotarna kan navigera i utmanande och komplex terräng samtidigt som de undviker statiska och rörliga hinder.

Teamet har genomfört tester där en robot styrs av systemet för att manövrera autonomt och snabbt över sandiga ytor, grus, gräs och ojämn jord med grenar och fallna blad. Samtidigt kunde roboten undvika att krocka med stolpar, träd, buskar, stenar, bänkar och människor. Roboten visade också förmåga att navigera i en upptagen kontorsmiljö utan att krocka med olika hinder.

Bygga effektiva fyrbenta robotar

Det nya systemet innebär att forskare är närmare än någonsin att bygga effektiva robotar för sök- och räddningsuppdrag eller robotar för att samla information i utrymmen som är svåra att nå eller farliga för människor.

Arbetet kommer att presenteras på 2022 International Conference on Intelligent Robots and Systems (IROS) från den 23 till 27 oktober i Kyoto, Japan.

Systemet ger roboten mer flexibilitet på grund av kombinationen av robotens syn och proprioception, som är en annan sensorisk modalitet som involverar robotens rörelse, riktning, hastighet, position och beröring.

De flesta nuvarande tillvägagångssätt för att träna fyrbenta robotar att gå och navigera använder antingen proprioception eller syn. Men de används inte samtidigt.

Kombinera proprioception med datorseende

Xiaolong Wang är professor i elektroteknik och datateknik vid UC San Diego Jacobs School of Engineering.

“I ett fall är det som att träna en blind robot att gå genom att bara känna och känna marken. Och i det andra fallet planerar roboten sina benrörelser baserat på synen ensam. Den lär sig inte två saker samtidigt”, sa Wang. “I vårt arbete kombinerar vi proprioception med datorseende för att göra det möjligt för en fyrbent robot att röra sig effektivt och smidigt – samtidigt som den undviker hinder – i en mängd utmanande miljöer, inte bara väldefinierade.”

Systemet som utvecklats av teamet bygger på en speciell uppsättning algoritmer för att kombinera data från realtidsbilder, som togs av en djupkamera på robotens huvud, med data från sensorer på robotens ben.

Men Wang sa att detta var en komplex uppgift.

“Problemet är att under verkliga driftsförhållanden kan det ibland förekomma en liten fördröjning i mottagandet av bilder från kameran, så att data från de två olika sensoriska modaliteterna inte alltid anländer samtidigt”, förklarade han.

Teamet hanterade denna utmaning genom att simulera mismatchen genom att randomisera de två uppsättningarna av indata. Forskarna kallar denna teknik för multimodal fördröjningsrandomisering, och de använde sedan de använda och randomiserade indata för att träna en förstärkt inlärningspolicy. Tillvägagångssättet möjliggjorde för roboten att fatta beslut snabbt medan den navigerade, samt förutse förändringar i sin omgivning. Dessa förmågor gjorde det möjligt för roboten att röra sig och manövrera hinder snabbare på olika typer av terräng, allt utan hjälp från en mänsklig operatör.

Teamet kommer nu att försöka göra fyrbenta robotar mer flexibla så att de kan operera på ännu mer komplexa terräng.

“Just nu kan vi träna en robot att utföra enkla rörelser som att gå, springa och undvika hinder”, sa Wang. “Våra nästa mål är att göra det möjligt för en robot att gå uppför och nedför trappor, gå på stenar, ändra riktning och hoppa över hinder.”