Новый дизайн, который снабжает роботов проприоцепцией и хвостом.Исследователи из лаборатории робомеханики Университета Карнеги-Меллона (CMU) недавно представили два новых подхода, которые могут помочь улучшить способность роботов на ногах передвигаться по каменистой или экстремальной местности. Эти два подхода, изложенные в статье, предварительно опубликованной на arXiv , основаны на врожденных способностях проприоцепции и механике хвоста животных.

«Наша статья направлена ​​на то, чтобы перенести роботов с ногами из идеальной лабораторной среды в реальную среду, где они могут столкнуться со сложной местностью, такой как скалистые холмы и бордюры», — сказал Tech Xplore один из исследователей, проводивших исследование Яньхао Ян. «Для достижения этого мы черпали вдохновение как у животных, так и у инженерных принципов».

Известно, что многие животные, в том числе кошки и другие представители семейства кошачьих, ходят по своим собственным следам, поскольку это позволяет им заземляться и сохранять устойчивость на разных участках. Ян и его коллеги попытались воспроизвести это поведение у роботов, объединив методы проприоцепции и планирования движений.

Методы, которые они использовали, позволяют роботам «чувствовать» окружающую среду и двигаться более надежно, собирая информацию о положении, действиях и местонахождении собственного тела. Эта способность, известная как «проприоцепция», преодолевает ограничения систем компьютерного зрения, на которые, как известно, отрицательно влияют шум датчиков, препятствия в окружающей среде, отражения света от близлежащих объектов и плохие условия освещения.

Животные и люди рождаются с проприоцепцией, но большинство существующих роботов воспринимают окружающую их среду, используя данные, предоставляемые системами зрения. Вместо использования систем технического зрения, которые полагаются на камеры, лидарные технологии и другие внешние датчики, Ян и его коллеги предлагают использовать данные, собранные встроенными внутри робота датчиками, такими как двигатели, энкодеры и инерциальные измерительные устройства.

«Это помогает роботу определять, когда он поскальзывается или падает, и корректировать свои движения, чтобы избежать опрокидывания», — сказал Ян. «Основное преимущество этой системы заключается в том, что она более устойчива к шуму окружающей среды, такому как препятствия, отражения или условия освещения. Задача состоит в том, чтобы принимать правильные решения по контролю и планированию в условиях неопределенности, когда проприоцепция ощущает аварию».

В дополнение к предложенной ими системе проприоцепции исследователи создали вычислительную модель , которая позволяет роботам управлять искусственным хвостом, подобно тому, как животные двигают хвостом при навигации по окружающей среде. Многие животные, в том числе белки и кошки, используют свой хвост, чтобы сохранять равновесие при прыжках или запрыгивании на поверхности.

«Мы заметили, что животные используют свои хвосты, чтобы помочь им быстро передвигаться, но у большинства роботов нет хвостов, — сказал Ян. — Например, гепарды используют свои хвосты для быстрого ускорения, замедления и быстрых поворотов, в то время как белки используют свои пушистые хвосты. чтобы балансировать при прыжках между ветвями. Мы адаптировали эту идею, добавив хвост к нашим четвероногим роботам, который помогает балансировать, когда робот не зацепится за точку опоры или упадет».

Янг и его коллеги также создали систему управления, которая позволяет искусственному хвосту робота на ногах работать в координации с его ногами, помогая ему сохранять равновесие, даже когда одна или несколько его ног отрываются от земли. Это может значительно улучшить навигацию робота на пересеченной или неровной местности, а также максимально повысить его эффективность в узких или небольших пространствах.

Ян и его коллеги оценили свои подходы к планированию движений в серии симуляций. Их результаты весьма многообещающи, поскольку их биологически вдохновленные методы проприоцепции и управления хвостом позволили смоделированным роботам с ногами уменьшить количество неожиданных скольжений и падений, а также улучшить их способность надежно передвигаться в экстремальных и меняющихся условиях.

Эти новые методы планирования движения могут быть применены и протестированы на реальных роботах с ногами, потенциально позволяя им более надежно перемещаться в сложных условиях, уменьшая количество столкновений и падений. Это может сделать этих роботов лучше оснащенными для успешного выполнения поисково- спасательных операций , операций по мониторингу окружающей среды и других реальных задач, связанных с перемещением по неровной или сложной местности.

«Одной из наших основных целей будущих исследований является проверка предложенного нами метода на реальном оборудовании», — сказал Ян. «Это будет проблемой, потому что нам нужно точно оценить состояние и контактную информацию, которые имеют решающее значение для проприоцепции и управления роботом».

В своих следующих работах Ян и его коллеги также планируют улучшить то, как их фреймворк моделирует и контролирует хвосты роботов. Это может еще больше уменьшить количество столкновений, в том числе между хвостом и другими частями тела робота или окружающей средой.

«Еще одна область улучшений — распространить метод на более сложные ландшафты, такие как узкие овраги или ступени», — добавил Ян. «В настоящее время наш подход предполагает относительно простые вариации ландшафта , но на более сложных ландшафтах ноги робота могут спотыкаться или зависать. В этих случаях наш контроллер по-прежнему будет пытаться опустить корпус робота для сохранения устойчивости, но мы можем еще больше улучшить это путем добавление дополнительных событий в процесс планирования походки».