Ένα ρομπότ χαμηλού κόστους έτοιμο για κάθε εμπόδιο

Ερευνητές στη Σχολή Επιστήμης Υπολογιστών του Πανεπιστημίου Carnegie Mellon και στο Πανεπιστήμιο της Καλιφόρνια στο Μπέρκλεϋ, έχουν σχεδιάσει ένα ρομποτικό σύστημα που επιτρέπει σε ένα ρομπότ χαμηλού κόστους και σχετικά μικρό με πόδια να ανεβαίνει και να κατεβαίνει τις σκάλες σχεδόν στο ύψος του. διασχίζει βραχώδες, ολισθηρό, ανώμαλο, απότομο και ποικίλο έδαφος. περπάτημα σε κενά? Κλίμακα βράχια και κράσπεδα? και λειτουργούν ακόμη και στο σκοτάδι.

«Η ενδυνάμωση μικρών ρομπότ να ανεβαίνουν σκάλες και να χειρίζονται διάφορα περιβάλλοντα είναι ζωτικής σημασίας για την ανάπτυξη ρομπότ που θα είναι χρήσιμα στα σπίτια των ανθρώπων καθώς και στις επιχειρήσεις έρευνας και διάσωσης», δήλωσε ο Deepak Pathak, επίκουρος καθηγητής στο Ινστιτούτο Ρομποτικής. «Αυτό το σύστημα δημιουργεί ένα στιβαρό και προσαρμόσιμο ρομπότ που θα μπορούσε να εκτελέσει πολλές καθημερινές εργασίες».

Η ομάδα έβαλε το ρομπότ στα βήματα του, δοκιμάζοντάς το σε ανώμαλες σκάλες και πλαγιές σε δημόσια πάρκα, προκαλώντας το να περπατήσει πάνω από πέτρες και ολισθηρές επιφάνειες και ζητώντας του να ανέβει σκάλες που για το ύψος του θα έμοιαζαν με έναν άνθρωπο που πηδάει από πάνω. ένα εμπόδιο. Το ρομπότ προσαρμόζεται γρήγορα και κατακτά το δύσκολο έδαφος βασιζόμενο στο όραμά του και σε έναν μικρό ενσωματωμένο υπολογιστή.

Οι ερευνητές εκπαίδευσαν το ρομπότ με 4,000 κλώνους του σε έναν προσομοιωτή, όπου εξασκήθηκαν στο περπάτημα και την αναρρίχηση σε δύσκολο έδαφος. Η ταχύτητα του προσομοιωτή επέτρεψε στο ρομπότ να αποκτήσει έξι χρόνια εμπειρίας σε μία μόνο μέρα. Ο προσομοιωτής αποθήκευσε επίσης τις κινητικές δεξιότητες που έμαθε κατά τη διάρκεια της εκπαίδευσης σε ένα νευρωνικό δίκτυο που οι ερευνητές αντέγραψαν στο πραγματικό ρομπότ. Αυτή η προσέγγιση δεν απαιτούσε καμία χειροκίνητη μηχανική των κινήσεων του ρομπότ - μια απόκλιση από τις παραδοσιακές μεθόδους.

Τα περισσότερα ρομποτικά συστήματα χρησιμοποιούν κάμερες για να δημιουργήσουν έναν χάρτη του περιβάλλοντος περιβάλλοντος και χρησιμοποιούν αυτόν τον χάρτη για να σχεδιάσουν κινήσεις πριν τις εκτελέσουν. Η διαδικασία είναι αργή και συχνά μπορεί να παραπαίει λόγω εγγενούς ασάφειας, ανακρίβειων ή εσφαλμένων αντιλήψεων στο στάδιο της χαρτογράφησης που επηρεάζουν τον επόμενο σχεδιασμό και τις κινήσεις. Η χαρτογράφηση και ο σχεδιασμός είναι χρήσιμα σε συστήματα που επικεντρώνονται στον έλεγχο υψηλού επιπέδου, αλλά δεν είναι πάντα κατάλληλα για τις δυναμικές απαιτήσεις δεξιοτήτων χαμηλού επιπέδου, όπως το περπάτημα ή το τρέξιμο σε δύσκολα εδάφη.

Το νέο σύστημα παρακάμπτει τις φάσεις χαρτογράφησης και σχεδιασμού και δρομολογεί απευθείας τις εισόδους όρασης στον έλεγχο του ρομπότ. Αυτό που βλέπει το ρομπότ καθορίζει τον τρόπο με τον οποίο κινείται. Ούτε καν οι ερευνητές διευκρινίζουν πώς πρέπει να κινούνται τα πόδια. Αυτή η τεχνική επιτρέπει στο ρομπότ να αντιδρά γρήγορα στο επερχόμενο έδαφος και να κινείται μέσα από αυτό αποτελεσματικά.

Επειδή δεν υπάρχει χαρτογράφηση ή σχεδιασμός και οι κινήσεις εκπαιδεύονται χρησιμοποιώντας μηχανική μάθηση, το ίδιο το ρομπότ μπορεί να είναι χαμηλού κόστους. Το ρομπότ που χρησιμοποίησε η ομάδα ήταν τουλάχιστον 25 φορές φθηνότερο από τις διαθέσιμες εναλλακτικές λύσεις. Ο αλγόριθμος της ομάδας έχει τη δυνατότητα να κάνει ρομπότ χαμηλού κόστους πολύ πιο ευρέως διαθέσιμα.

«Αυτό το σύστημα χρησιμοποιεί την όραση και την ανάδραση από το σώμα απευθείας ως είσοδο για την έξοδο εντολών στους κινητήρες του ρομπότ», δήλωσε ο Ananye Agarwal, Ph.D. μαθητής στη μηχανική μάθηση. «Αυτή η τεχνική επιτρέπει στο σύστημα να είναι πολύ στιβαρό στον πραγματικό κόσμο. Αν γλιστρήσει στις σκάλες, μπορεί να ανακάμψει. Μπορεί να πάει σε άγνωστα περιβάλλοντα και να προσαρμοστεί».

Αυτή η άμεση πτυχή όρασης προς έλεγχο είναι βιολογικά εμπνευσμένη. Οι άνθρωποι και τα ζώα χρησιμοποιούν την όραση για να κινηθούν. Δοκιμάστε να τρέξετε ή να ισορροπήσετε με κλειστά μάτια. Προηγούμενη έρευνα από την ομάδα είχε δείξει ότι τα τυφλά ρομπότ - ρομπότ χωρίς κάμερες - μπορούν να κατακτήσουν δύσκολα εδάφη, αλλά η προσθήκη όρασης και η στήριξη σε αυτό το όραμα βελτιώνει σημαντικά το σύστημα.

Η ομάδα κοίταξε στη φύση και άλλα στοιχεία του συστήματος. Για ένα μικρό ρομπότ - με ύψος μικρότερο από ένα πόδι, σε αυτήν την περίπτωση - να ανεβάζει σκάλες ή εμπόδια σχεδόν στο ύψος του, έμαθε να υιοθετεί την κίνηση που χρησιμοποιούν οι άνθρωποι για να ξεπεράσουν ψηλά εμπόδια. Όταν ένας άνθρωπος πρέπει να σηκώσει το πόδι του ψηλά για να ανέβει σε μια προεξοχή ή ένα εμπόδιο, χρησιμοποιεί τους γοφούς του για να μετακινήσει το πόδι του στο πλάι, που ονομάζεται απαγωγή και προσαγωγή, δίνοντάς του μεγαλύτερη απόσταση. Το σύστημα ρομπότ που σχεδίασε η ομάδα του Pathak κάνει το ίδιο, χρησιμοποιώντας απαγωγή ισχίου για να αντιμετωπίσει εμπόδια που σκοντάφτουν μερικά από τα πιο προηγμένα ρομποτικά συστήματα με πόδια στην αγορά.

Η κίνηση των πίσω ποδιών από τετράποδα ενέπνευσε επίσης την ομάδα. Όταν μια γάτα κινείται μέσα από εμπόδια, τα πίσω πόδια της αποφεύγουν τα ίδια αντικείμενα με τα μπροστινά της πόδια χωρίς το πλεονέκτημα ενός κοντινού σετ ματιών. «Τα τετράποδα ζώα έχουν μια μνήμη που επιτρέπει στα πίσω τους πόδια να παρακολουθούν τα μπροστινά πόδια. Το σύστημά μας λειτουργεί με παρόμοιο τρόπο», είπε ο Pathak. Η ενσωματωμένη μνήμη του συστήματος επιτρέπει στα πίσω πόδια να θυμούνται τι είδε η κάμερα στο μπροστινό μέρος και να κάνουν ελιγμούς για να αποφύγουν εμπόδια.

«Δεδομένου ότι δεν υπάρχει χάρτης, δεν υπάρχει σχεδιασμός, το σύστημά μας θυμάται το έδαφος και πώς μετακινούσε το μπροστινό πόδι και το μεταφράζει στο πίσω πόδι, κάνοντας τόσο γρήγορα και άψογα», δήλωσε ο Ashish Kumar, Ph.D. φοιτητής στο Μπέρκλεϋ.

Η έρευνα θα μπορούσε να είναι ένα μεγάλο βήμα προς την επίλυση των υφιστάμενων προκλήσεων που αντιμετωπίζουν τα ρομπότ με πόδια και την εισαγωγή τους στα σπίτια των ανθρώπων. Η εργασία «Legged Locomotion in Challenging Terrains Using Egocentric Vision», που γράφτηκε από τους Pathak, καθηγητή Berkeley Jitendra Malik, Agarwal και Kumar, θα παρουσιαστεί στο επερχόμενο Συνέδριο για τη Μάθηση Ρομπότ στο Ώκλαντ της Νέας Ζηλανδίας.

Βίντεο: https://youtu.be/N70CqROzwxI