Этот маленький робот может пойти практически куда угодно.

Исследователи из Школы компьютерных наук Университета Карнеги-Меллона и Калифорнийского университета в Беркли разработали роботизированную систему, которая позволяет недорогому роботу с относительно небольшими ногами подниматься и спускаться по лестнице почти на его высоту; преодолевать каменистую, скользкую, неровную, крутую и разнообразную местность; ходить по пропастям; скалы и бордюры; и даже работать в темноте.

«Расширение прав и возможностей маленьким роботам возможности подниматься по лестнице и справляться с различными средами имеет решающее значение для разработки роботов, которые будут полезны в домах людей, а также в поисково-спасательных операциях», — сказал Дипак Патхак, доцент Института робототехники. «Эта система создает надежного и адаптируемого робота, который может выполнять множество повседневных задач».

Команда протестировала робота, протестировав его на неровных лестницах и склонах холмов в общественных парках, заставив его пройти по ступеням и по скользким поверхностям и попросив его подняться по лестнице, которая для его высоты была бы сродни прыжку человека. препятствие. Робот быстро адаптируется и справляется со сложной местностью, полагаясь на свое зрение и небольшой бортовой компьютер.

Исследователи обучили робота с 4000 его клонов на симуляторе, где они практиковались в ходьбе и лазании по сложной местности. Скорость симулятора позволила роботу набраться шестилетнего опыта за один день. Тренажер также сохранил полученные во время тренировки двигательные навыки в нейронной сети . , которую исследователи скопировали в настоящего робота. Этот подход не требовал ручной разработки движений робота — отход от традиционных методов.

Большинство роботизированных систем используют камеры для создания карты окружающей среды и используют эту карту для планирования движений перед их выполнением. Процесс идет медленно и часто может давать сбои из-за нечеткости, неточностей или неправильных представлений на этапе картирования, которые влияют на последующее планирование и перемещения. Картирование и планирование полезны в системах, ориентированных на высокоуровневый контроль, но не всегда подходят для динамических требований низкоуровневых навыков, таких как ходьба или бег по сложной местности.

Новая система обходит этапы картирования и планирования и напрямую направляет входные данные зрения на управление роботом. То, что видит робот, определяет то, как он движется. Даже исследователи не уточняют, как должны двигаться ноги. Эта техника позволяет роботу быстро реагировать на встречную местность и эффективно перемещаться по ней.

Поскольку не требуется картографирования или планирования, а движения тренируются с помощью машинного обучения, сам робот может быть недорогим. Робот, который использовала команда, был как минимум в 25 раз дешевле, чем доступные альтернативы. Алгоритм команды может сделать недорогих роботов более доступными.

«Эта система использует зрение и обратную связь от тела непосредственно в качестве входных данных для вывода команд на двигатели робота», — сказала Ананье Агарвал, доктор философии SCS. студент машинного обучения. «Этот метод позволяет системе быть очень надежной в реальном мире. Если она поскользнется на лестнице, она сможет восстановиться. Она может войти в неизвестную среду и адаптироваться».

Этот аспект прямого видения-контроля вдохновлен биологией. Люди и животные используют зрение для передвижения. Попробуйте бегать или балансировать с закрытыми глазами. Предыдущее исследование команды показало, что слепые роботы — роботы без камер — могут преодолевать сложные ландшафты, но добавление зрения и опора на это зрение значительно улучшают систему.

Команда обратилась к природе и за другими элементами системы. Чтобы маленький робот — в данном случае ростом менее фута — взбираться по лестнице или на препятствия почти с его высоты, он научился использовать движения, которые люди используют для преодоления высоких препятствий.

Когда человеку нужно высоко поднять ногу, чтобы взобраться на уступ или препятствие, он использует свои бедра, чтобы отвести ногу в сторону, что называется отведением и приведением, что дает ей больший зазор. Система роботов , разработанная командой Патака, делает то же самое, используя отведение бедра для преодоления препятствий, которые сбивают с толку некоторые из самых передовых роботизированных систем на ногах на рынке.

Движение задних лап четвероногих животных также вдохновило команду. Когда кошка преодолевает препятствия, ее задние лапы избегают тех же предметов, что и ее передние, без преимущества близлежащей пары глаз. «У четвероногих животных есть память, которая позволяет их задним лапам отслеживать передние. Наша система работает аналогичным образом», — сказал Патхак. Встроенная память системы позволяет задним ногам запоминать, что видела передняя камера, и маневрировать, чтобы избежать препятствий.

«Поскольку нет карты, нет планирования, наша система запоминает местность и то, как она двигала переднюю ногу, и переводит это на заднюю ногу, делая это быстро и безупречно», — сказал Ашиш Кумар, доктор философии. студент Беркли.

Исследование может стать большим шагом к решению существующих проблем, с которыми сталкиваются роботы на ногах, и внедрению их в дома людей. На предстоящей конференции по обучению роботов в Окленде, Новая Зеландия, будет представлена ​​статья «Передвижение на ногах по сложной местности с использованием эгоцентрического зрения», написанная Патаком, профессором Беркли Джитендрой Маликом, Агарвалом и Кумаром.