Lågkostnadsrobot navigerar nästan alla hinder

Ett team av forskare har designat ett robotsystem som gör det möjligt för en lågkostnadsrobot med små ben att navigera i nästan alla hinder eller terräng. Roboten kan klättra och gå ner för trappor nästan sin höjd eller navigera i stenig, halt, ojämn, brant och varierad terräng. Den kan också gå över luckor, skala stenar och arbeta i mörker. 

Smakämnen projektet att utveckla systemet utfördes av forskare vid Carnegie Mellon Universitys School of Computer Science och University of California, Berkeley. 

Ge små robotar nya färdigheter

Deepak Pathak är biträdande professor vid Robotics Institute. 

"Att ge små robotar möjlighet att klättra i trappor och hantera en mängd olika miljöer är avgörande för att utveckla robotar som kommer att vara användbara i människors hem såväl som i sök- och räddningsoperationer," sa Pathak. "Det här systemet skapar en robust och anpassningsbar robot som kan utföra många vardagliga uppgifter." 

Roboten testades på ojämna trappor och sluttningar i offentliga parker, vilket testade dess förmåga att gå över trappstenar och över hala ytor. Den fick också i uppdrag att klättra i trappor som skulle motsvara en människa som hoppade över ett hinder. Roboten uppnår en imponerande förmåga att snabbt anpassa och bemästra terrängen genom att använda sin vision och en liten omborddator. 

Roboten tränades med 4,000 XNUMX kloner i en simulator. Dessa kloner tränade på att gå och klättra i komplex terräng, och simulatorns hastighet gjorde det möjligt för roboten att uppnå sex års erfarenhet på bara en enda dag.

De motoriska färdigheter som lärts under träningen lagrades av simulatorn i ett neuralt nätverk, som forskarna sedan kopierade till den riktiga roboten. Detta innovativa tillvägagångssätt innebar ingen handkonstruktion av robotens rörelser. 

Många av dagens robotsystem är beroende av kameror som skapar en karta över den omgivande miljön, som sedan används för att planera ut robotens rörelser innan de utförs. Den här processen kan dock vara långsam och risk för fel på grund av felaktigheter eller missuppfattningar i kartläggningsstadiet. Dessa felaktigheter kan påverka planeringen och rörelserna. 

Även om kartläggning och planering visar sig vara användbar för system fokuserade på kontroll på hög nivå, är de inte alltid de bästa för de dynamiska kraven för färdigheter på låg nivå, som att gå eller springa. 

Effektiv och snabb manövrering 

Det nyutvecklade robotsystemet hoppar över kartläggnings- och planeringsfaserna och dirigerar direkt visioningångarna till robotens kontroll. Detta betyder i princip att roboten ser och rör sig därefter. Den banbrytande tekniken gör att roboten kan reagera på sin komplexa terräng mycket snabbt och effektivt. 

Robotens rörelser tränas genom maskininlärning, vilket gör roboten till låg kostnad. Den testade roboten var minst 25 gånger billigare än alternativen på marknaden. Enligt teamet kan deras algoritm göra billiga robotar mycket mer tillgängliga. 

Ananye Agarwal är en SCS Ph.D. student i maskininlärning. 

"Det här systemet använder syn och feedback från kroppen direkt som input för att mata ut kommandon till robotens motorer," sa Agarwal. "Denna teknik gör att systemet är mycket robust i den verkliga världen. Om den halkar i trappan kan den återhämta sig. Det kan gå in i okända miljöer och anpassa sig.” 

Robotsystemet var starkt inspirerat av naturen. För en robot som är mindre än en fot lång, lärde den sig att ta till sig de rörelser som människor använder för att kliva över höga hinder för att gå i trappor eller hindra dess höjd. Systemet använder höftabduktion för att övervinna hinder som till och med är svåra för de mest avancerade benrobotsystem som finns tillgängliga. 

Teamet tittade också på fyrbenta djur för inspiration.

– Fyrbenta djur har ett minne som gör att deras bakben kan spåra frambenen. Vårt system fungerar på ett liknande sätt, säger Pathak. 

Det inbyggda minnet gör att de bakre benen kommer ihåg vad kameran såg, vilket hjälper den att manövrera hinder. 

Ashish Kumar är en Ph.D. student vid Berkeley. 

"Eftersom det inte finns någon karta, ingen planering kommer vårt system ihåg terrängen och hur det flyttade det främre benet och översätter detta till det bakre benet, vilket gör det snabbt och felfritt", säger Kumar. 

Den nya forskningen kan spela en stor roll för att lösa några av de stora utmaningarna kring robotar med ben. Det kan till och med leda till att de används i hemmen.