Forskare skapar benförsedd robot som kan vandra på svår terräng

Ett team av forskare vid ETH Zurich har utvecklat en ny metod som möjliggör för en benförsedd robot att röra sig snabbt över komplex terräng. Roboten, som heter ANYmal, förlitar sig på maskinlärning för att kombinera visuell perception av miljön och känsel.

Den fyrbeniga roboten kunde vandra 120 vertikala meter på 31 minuter, vilket är fyra minuter snabbare än den beräknade tiden för mänskliga vandrare utan missteg.

Ny teknik

Tekniken som möjliggör för ANYmal att kombinera visuell perception och känsel är helt ny.

Teamet leddes av Marco Hutter, och forskningen publicerades i tidskriften Science Robotics.

“Roboten har lärt sig att kombinera visuell perception av sin miljö med proprioception – sin känsel – baserat på direkt benkontakt. Detta möjliggör för den att hantera svår terräng snabbare, effektivare och, framför allt, mer robust”, säger Hutter.

Teamet säger att roboten kommer att kunna användas i områden som är för farliga för människor eller som är omöjliga för andra typer av robotar att manövrera.

Människor och djur kombinerar också visuell perception av sin miljö med känsel från ben och händer, vilket möjliggör för dem att hantera svår terräng. Tidigare utvecklade benförsedda robotar har endast kunnat göra detta i begränsad utsträckning.

Takahiro Miki är en doktorand och huvudförfattare till studien.

“Anledningen är att informationen om den omedelbara miljön som registreras av lasersensorer och kameror ofta är ofullständig och tvetydig”, sa Miki.

“Det är därför robotar som ANYmal måste kunna besluta sig för när de ska lita på den visuella perceptionen av sin miljö och röra sig framåt snabbt, och när det är bättre att fortsätta försiktigt och med små steg”, fortsatte Miki. “Och det är den stora utmaningen.”

Träning av neuronnätverk

Den nya tekniken inkluderar en kontroller baserad på ett neuronnätverk, som möjliggör för ANYmal att kombinera extern och proprioceptiv perception för första gången. Forskarna utsatte först systemet för många hinder och källor till fel i en virtuell träningsläger, vilket tillät nätverket att lära sig hur man övervinner hinder på bästa sätt. Det lärde sig också när man ska lita på miljödata och när man ska ignorera den.

“Med denna träning kan roboten bemästra den svåraste naturliga terrängen utan att ha sett den förut”, säger Hutter.

Roboten kan utföra denna process även när sensordata om den omedelbara miljön är tvetydig eller vag, vid vilken punkt ANYmal förlitar sig på sin proprioception. Detta möjliggör för den att kombinera hastigheten och effektiviteten hos extern sensning med säkerheten hos proprioceptiv sensning.