Роботам сложно импровизировать, а столкновение с необычной поверхностью или препятствием обычно означает резкую остановку или резкое падение. Но исследователи создали новую модель передвижения робота, которая адаптируется в реальном времени к любой местности, с которой он сталкивается, изменяя свою походку на лету, чтобы продолжать движение при столкновении с песком, камнями, лестницей и другими внезапными изменениями.

Хотя движение робота может быть универсальным и точным, и роботы могут «научиться» подниматься по ступенькам, пересекать пересеченную местность и т. Д., Такое поведение больше похоже на индивидуальные тренированные навыки, между которыми робот переключается. Хотя известные роботы, такие как Спот, могут отпрыгивать от толчков или ударов ногами, система на самом деле просто работает, чтобы исправить физическую аномалию, придерживаясь неизменной политики ходьбы. Есть несколько моделей адаптивных движений , но некоторые из них очень специфичны (например, эта, основанная на реальных движениях насекомых), а другим требуется достаточно времени для работы, поэтому робот обязательно упадет к тому времени, когда они вступят в силу.

Команда из Facebook AI, Калифорнийского университета в Беркли и Университета Карнеги-Меллона назвала это Rapid Motor Adaptation. Это произошло из-за того, что люди и другие животные могут быстро, эффективно и неосознанно изменять свою походку в зависимости от обстоятельств.

«Допустим, вы учитесь ходить и впервые идете на пляж. Ваша нога опускается, и чтобы вытащить ее, вам нужно приложить больше силы. Это кажется странным, но сделав несколько шагов, вы будете ходить естественно, как и по твердой земле. В чем секрет? » — спросил старший научный сотрудник Джитендра Малик, связанный с Facebook AI и Калифорнийским университетом в Беркли.

Конечно, если вы никогда раньше не сталкивались с пляжем, но даже позже в жизни, когда вы встречались, вы не входите в какой-то специальный «песочный режим», который позволяет ходить по мягким поверхностям. То, как вы меняете свое движение, происходит автоматически и без какого-либо реального понимания внешней среды.

«Что происходит, так это то, что ваше тело реагирует на различные физические условия, ощущая различные последствия этих условий для самого тела», — объяснил Малик, — и система RMA работает аналогичным образом. «Когда мы идем в новых условиях за очень короткое время, полсекунды или меньше, мы сделали достаточно измерений, чтобы оценить эти условия, и изменили правила ходьбы».

Система была полностью обучена моделированию в виртуальной версии реального мира, где маленький мозг робота (все работает локально на бортовом ограниченном вычислительном блоке) научился максимизировать поступательное движение с минимальной энергией и избегать падений, немедленно наблюдая и отвечая к данным, поступающим от его (виртуальных) узлов, акселерометров и других физических датчиков.

Чтобы подчеркнуть общую внутреннюю сущность подхода RMA, Малик отмечает, что робот вообще не использует визуальный ввод. Но люди и животные без зрения могут нормально ходить, так почему бы и не сделать роботу? Но поскольку невозможно оценить «внешние эффекты», такие как точный коэффициент трения песка или камней, по которым он идет, он просто внимательно следит за собой.

«Мы не узнаем о песке, мы узнаем о том, как тонут ноги», — сказал соавтор Ашиш Кумар, также из Беркли.

В конечном итоге система состоит из двух частей: основного, постоянно работающего алгоритма, фактически контролирующего походку робота, и адаптивного алгоритма, работающего параллельно, который отслеживает изменения внутренних показаний робота. Когда обнаруживаются существенные изменения, он анализирует их — ноги должны делать это , но они делают это , что означает, что ситуация подобна этой — и сообщает основной модели, как приспособиться. С этого момента робот думает только о том, как двигаться вперед в этих новых условиях, эффективно импровизируя особую походку.

После обучения моделированию он преуспел в реальном мире, как это описывается в пресс-релизе:

Робот мог ходить по песку, грязи, пешеходным тропам, высокой траве и куче грязи без единой неудачи во всех наших испытаниях. Робот успешно спускался по лестнице по пешеходной тропе в 70% испытаний. Он успешно преодолел цементную кучу и кучу гальки в 80% испытаний, несмотря на то, что никогда не видел неустойчивую или проседающую землю, препятствующую растительность или лестницу во время тренировки. Он также сохранял свою высоту с высокой степенью успеха при перемещении с полезной нагрузкой в ​​12 кг, что составляло 100% его веса.

Малик дал кивок исследованиям профессора Нью-Йоркского университета Карен Адольф , чья работа показала, насколько адаптируемым и свободным является процесс обучения человека ходьбе. Инстинкт команды заключался в том, что если вам нужен робот, который может справиться с любой ситуацией, он должен обучаться адаптации с нуля, а не иметь множество режимов на выбор.

Точно так же, как вы не можете создать более умную систему компьютерного зрения, исчерпывающе маркируя и документируя каждый объект и взаимодействие (их всегда будет больше), вы не можете подготовить робота к разнообразному и сложному физическому миру с 10, 100, даже тысячи специальных параметров для ходьбы по гравию, грязи, щебню, мокрому дереву и т. д. В этом отношении вы, возможно, даже не захотите указывать что-либо, кроме общей идеи движения вперед.

«Мы не программируем заранее идею, которая у него есть для ног, или что-то еще о морфологии робота», — сказал Кумар.

Это означает, что основа системы — а не полностью обученная, которая в конечном итоге превратилась в четвероногую походку — потенциально может быть применена не только к другим роботам на ногах, но и к совершенно другим областям ИИ и робототехники.

«Ноги робота похожи на пальцы руки; как ноги взаимодействуют с окружающей средой, пальцы взаимодействуют с объектами », — отметил соавтор Дипак Патак из Университета Карнеги-Меллона. «Основная идея может быть применена к любому роботу».

Более того, предположил Малик, сочетание базового и адаптивного алгоритмов могло бы работать для других интеллектуальных систем. Умные дома и муниципальные системы, как правило, полагаются на уже существующие политики, но что, если они будут адаптироваться на лету?

На данный момент команда просто представляет свои первоначальные выводы в докладе на конференции « Робототехника: наука и системы» и признает, что предстоит еще много дополнительных исследований. Например, создание внутренней библиотеки импровизированных походок как своего рода «среднесрочной» памяти или использование зрения для предсказания необходимости инициирования нового стиля передвижения. Но подход RMA кажется новым многообещающим подходом к решению устойчивой проблемы робототехники.