Алгоритми дозволяють роботам уникати перешкод і бігати в дикій природі

Команда дослідників з Університету Каліфорнії – Сан-Дієго розробила нову систему алгоритмів, яка дозволяє чотирикутним роботам ходити та бігати в дикій природі. Роботи можуть переміщатися по складній та складній місцевості, одночасно уникати статичних та рухомих перешкод.

Команда провела випробування, під час яких робот був керований системою для автономного маневрування та швидкого руху по піщаних поверхнях, гравію, траві та нерівній місцевості з гілками та опалим листям. Одночасно він міг уникати зіткнення з стовпами, деревами, кущами, валунами, лавками та людьми. Робот також продемонстрував здатність переміщатися по зайнятому офісному просторі без зіткнення з різними перешкодами.

Будування ефективних чотирикутних роботів

Нова система означає, що дослідники наблизилися до створення ефективних роботів для пошуково-рятувальних операцій або збір інформації в місцях, які важко доступні або небезпечні для людей.

Робота планується представити на 2022 Міжнародній конференції з інтелектуальних роботів та систем (IROS) з 23 по 27 жовтня в Кіото, Японія.

Система надає роботові більшу гнучкість завдяки поєднанню його відчуття зору з пропріоцепцією, яка є іншою модальністю відчуття, що涉нює відчуття руху, напрямку, швидкості, місця та дотику.

Більшість поточних підходів до навчання чотирикутних роботів ходити та переміщатися використовують або пропріоцепцію, або зір. Однак вони не використовуються одночасно.

Поєднання пропріоцепції з комп’ютерним зором

Сяолун Ван – професор електротехніки та комп’ютерних наук в Університеті Каліфорнії – Сан-Дієго.

“В одному випадку це схоже на навчання сліпого робота ходити, лише торкаючись та відчуваючи землю. А в іншому випадку робот планує рух своїх ніг лише за зором. Він не вчиться двох речей одночасно”, – сказав Ван. “У нашій роботі ми поєднуємо пропріоцепцію з комп’ютерним зором, щоб дозволити чотирикутному роботові рухатися ефективно та гладко, одночасно уникати перешкод, в різних складних середовищах, а не лише в добре визначених.”

Система, розроблена командою, залежить від спеціального набору алгоритмів для об’єднання даних з реальних зображень, зроблених камерою на голові робота, з даними з датчиків на ногах робота.

Однак Ван сказав, що це була складна задача.

“Проблема полягає в тому, що під час реальної експлуатації іноді виникає невелика затримка в отриманні зображень з камери, тому дані з двох різних модальностей відчуття не завжди надходять одночасно”, – пояснив він.

Команда подолала цю проблему, симулюючи несинхронність, випадковим чином змінюючи два набори входних даних. Дослідники називають цю техніку багатомодальною затримкою випадковості, а потім використовували використані та випадкові входні дані для навчання політики підкріплення. Підхід дозволив роботові швидко приймати рішення під час переміщення та передбачати зміни в його середовищі. Ці можливості дозволили роботові рухатися та маневрувати перешкодами швидше на різних типах місцевості, все це без допомоги людини.

Команда тепер планує зробити чотирикутних роботів більш універсальними, щоб вони могли працювати на ще більш складній місцевості.

“На даний момент ми можемо навчити робота виконувати прості рухи, такі як ходіння, біг та уникання перешкод”, – сказав Ван. “Наші наступні цілі – дозволити роботові ходити вгору та вниз сходами, ходити по каменях, змінювати напрямок та стрибати через перешкоди.”