Billig Robot Navigerar Nästan Varje Hinder

Ett team av forskare har designat ett robotiskt system som möjliggör för en billig, liten benförsedd robot att navigera nästan varje hinder eller terräng. Roboten kan klättra och gå ner för trappor nästan sin egen höjd eller navigera på stenig, hal, ojämn, brant och varierad terräng. Den kan också gå över gap, skala berg och operera i mörker.

Projektet att utveckla systemet genomfördes av forskare vid Carnegie Mellon Universitys skola för datavetenskap och University of California, Berkeley.

Att Ge Små Robotar Nya Färdigheter

Deepak Pathak är biträdande professor vid Robotics Institute.

“Att ge små robotar möjlighet att klättra trappor och hantera en mängd olika miljöer är avgörande för att utveckla robotar som kommer att vara användbara i människors hem samt i sök- och räddningsoperationer”, säger Pathak. “Detta system skapar en robust och anpassningsbar robot som kan utföra många vardagliga uppgifter.”

Roboten testades på ojämn mark och kullar i allmänna parker, vilket testade dess förmåga att gå över stenar och på hala ytor. Den fick också i uppgift att klättra trappor som skulle vara ekvivalenta med att en människa hoppar över ett hinder. Roboten uppnår en imponerande förmåga att snabbt anpassa sig och bemästra terrängen genom att använda sin syn och en liten dator ombord.

Roboten tränades med 4 000 kloner i en simulator. Dessa kloner övade på att gå och klättra på komplex terräng, och simuleringshastigheten gjorde att roboten kunde uppnå sex års erfarenhet på bara en enda dag.

De motoriska färdigheter som lärdes under träningen lagrades av simuleringsprogrammet i ett neuronnät, som forskarna sedan kopierade till den riktiga roboten. Detta innovativa tillvägagångssätt innebar att det inte behövdes någon manuell programmering av robotens rörelser.

Många av dagens robotiska system förlitar sig på kameror som skapar en karta över den omgivande miljön, som sedan används för att planera robotens rörelser innan de utförs. Men denna process kan vara långsam och känslig för fel på grund av ofullständigheter eller missuppfattningar i kartläggningsstadiet. Dessa ofullständigheter kan påverka planeringen och rörelserna.

Medan kartläggning och planering visar sig vara användbara för system som fokuserar på högnivåkontroll, är de inte alltid de bästa för de dynamiska kraven på lågnivåfärdigheter, såsom att gå eller springa.

Effektiv och Snabb Manövrering

Det nyligen utvecklade robotiska systemet hoppar över kartläggnings- och planeringsfaserna och dirigerar syninmatningarna direkt till robotens styrning. Detta betyder i princip att roboten ser och rör sig därefter. Genombrottstekniken möjliggör för roboten att reagera på sin komplexa terräng mycket snabbt och effektivt.

Robotens rörelser tränas genom maskinlärning, vilket gör roboten billig. 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-doktorand i maskinlärning.

“Detta system använder syn och feedback från kroppen direkt som inmatning för att producera kommandon till robotens motorer”, säger Agarwal. “Denna teknik gör systemet mycket robust i den verkliga världen. Om det halkar på trappan kan det återhämta sig. Det kan gå in i okända miljöer och anpassa sig.”

Det robotiska systemet inspirerades starkt av naturen. För en robot som är mindre än en fot lång lärde den sig att anta de rörelser som människor använder för att kliva över höga hinder för att klättra trappor eller hinder som är lika höga som den själv. Systemet använder höftabduktion för att övervinna hinder som är svåra även för de mest avancerade benförsedda robotiska systemen som finns tillgängliga.

Teamet tittade också på fyrbenta djur för inspiration.

“Fyrbenta djur har ett minne som möjliggör för deras bakben att följa deras framben. Vårt system fungerar på ett liknande sätt”, säger Pathak.

Den ombord minnesenheten tillåter bakbenen att komma ihåg vad kameran såg, vilket hjälper den att manövrera hinder.

Ashish Kumar är en doktorsstudent vid Berkeley.

“Eftersom det inte finns någon karta, ingen planering, så minns vårt system terrängen och hur det flyttade frambenet och översätter detta till baktill, vilket sker snabbt och utan problem”, säger Kumar.

Den nya forskningen kan spela en stor roll i att lösa några av de stora utmaningarna som omger benförsedda robotar. Den kan till och med hjälpa till att leda till deras användning i hem.