Робототехніка
Дослідники створили ногого робота, який може долати складну місцевість
Команда дослідників з ETH Zurich розробила новий підхід, який дозволяє роботу з ногами швидко пересуватися по складній місцевості. Робот під назвою ANYmal покладається на машинне навчання, щоб поєднати візуальне сприйняття навколишнього середовища та відчуття дотику.
Чотириногий робот зміг подолати 120 вертикальних метрів за 31 хвилину, що на чотири хвилини швидше, ніж очікувана тривалість для людей, які подорожують без помилок.
Абсолютно нова технологія
Технологія, яка дозволяє ANYmal поєднувати візуальне сприйняття та відчуття дотику, є абсолютно новою.
Групу очолив Марко Хаттер, а дослідження було опубліковано в журналі Наука робототехніка.
«Робот навчився поєднувати візуальне сприйняття навколишнього середовища з пропріоцепцією — відчуттям дотику — на основі прямого контакту ніг. Це дозволяє йому справлятися з пересіченою місцевістю швидше, ефективніше і, перш за все, більш надійно», — говорить Хаттер.
Команда каже, що згодом робота можна буде розгорнути в будь-якому місці, де є надто небезпечно для людей або іншим типам роботів неможливо маневрувати.
Люди та тварини також поєднують візуальне сприйняття навколишнього середовища з відчуттям дотику ніг і рук, що дозволяє їм долати складну місцевість. Раніше розроблені роботи з ногами були здатні робити це лише в обмеженій мірі.
Такахіро Мікі є докторантом і провідним автором дослідження.
«Причина в тому, що інформація про безпосереднє оточення, зафіксована лазерними датчиками та камерами, часто є неповною та неоднозначною», — сказав Мікі.
«Саме тому такі роботи, як ANYmal, повинні мати можливість самостійно вирішувати, коли довіряти візуальному сприйняттю навколишнього середовища та жваво рухатися вперед, а коли краще діяти обережно та маленькими кроками», — продовжила Мікі. «І це великий виклик».
Навчання нейронної мережі
Нова технологія включає в себе контролер на основі нейронної мережі, що дозволяє ANYmal вперше поєднати зовнішнє та пропріоцептивне сприйняття. Вчені вперше піддали систему численним перешкодам і джерелам помилок у віртуальному тренувальному таборі, що дозволило мережі навчитися долати перешкоди найкращим чином. Він також дізнався, коли покладатися на екологічні дані, а коли їх ігнорувати.
«Завдяки цьому тренуванню робот здатний долати найскладнішу природну місцевість, не бачив її раніше», — каже Хаттер.
Робот може виконувати цей процес, навіть якщо дані датчика про найближче оточення неоднозначні або розпливчасті, тоді ANYmal покладається на свою пропріоцепцію. Це дозволяє поєднувати швидкість і ефективність зовнішнього зондування з безпекою пропріоцептивного зондування.
