Дослідники створили чотириногого робота, який може ходити по складній місцевості

Команда дослідників з ETH Zurich розробила новий підхід, який дозволяє чотириногому роботові швидко рухатися по складній місцевості. Робот, названий ANYmal, використовує машинне навчання для поєднання візуального сприйняття середовища та відчуття дотику.

Чотириногий робот зміг піднятися на 120 вертикальних метрів за 31 хвилину, що на 4 хвилини швидше, ніж передбачувана тривалість для людських туристів без помилок.

Бренд-нова технологія

Технологія, яка дозволяє ANYmal поєднувати візуальне сприйняття та відчуття дотику, є бренд-новою.

Команду очолював Марко Гуттер, а дослідження було опубліковано в журналі Science Robotics.

“Робот навчився поєднувати візуальне сприйняття середовища з пропріоцепцією – його відчуттям дотику – на основі прямого контакту ніг. Це дозволяє йому рухатися по складній місцевості швидше, ефективніше та, перш за все, більш надійно”, – говорить Гуттер.

Команда каже, що робот буде здатний працювати в будь-якому місці, яке є небезпечним для людей або інакше неможливим для інших типів роботів.

Люди та тварини також поєднують візуальне сприйняття середовища з відчуттям дотику ніг та рук, що дозволяє їм рухатися по складній місцевості. Раніше розроблені чотириногі роботи могли робити це лише в обмеженій мірі.

Такахіро Мікі – докторант і головний автор дослідження.

“Причина полягає в тому, що інформація про безпосереднє середовище, записана лазерними датчиками та камерами, часто є неповною та двозначною”, – сказав Мікі.

“Тому роботи, такі як ANYmal, повинні бути здатні вирішувати самостійно, коли довіряти візуальному сприйняттю середовища та рухатися швидко, а коли краще рухатися обережно та малими кроками”, – продовжив Мікі. “І це велике завдання”.

Навчання нейронної мережі

Нова технологія включає контролер на основі нейронної мережі, який дозволяє ANYmal поєднувати зовнішнє та пропріоцептивне сприйняття вперше. Учні спочатку піддані системі численним перешкодам та джерелам помилок у віртуальному тренувальному таборі, що дозволило мережі навчитися, як найкраще подолати перешкоди. Вона також навчилися, коли довіряти даних про середовище, а коли ігнорувати їх.

“З цією підготовкою робот може освоїти найскладнішу природну місцевість без попереднього знайомства з нею”, – говорить Гуттер.

Робот може виконувати цей процес навіть тоді, коли дані про безпосереднє середовище є двозначними або невизначеними, в цей момент ANYmal покладається на свою пропріоцепцію. Це дозволяє йому поєднувати швидкість та ефективність зовнішнього сприйняття з безпекою пропріоцептивного сприйняття.