Un robot low-cost prêt à affronter tous les obstacles

Des chercheurs de l'École d'informatique de l'Université Carnegie Mellon et de l'Université de Californie à Berkeley ont conçu un système robotique qui permet à un robot peu coûteux et aux jambes relativement petites de monter et de descendre des escaliers presque à sa hauteur ; traverser des terrains rocheux, glissants, inégaux, escarpés et variés ; traverser les lacunes; escalader les rochers et les bordures ; et même fonctionner dans l'obscurité.

"Donner aux petits robots les moyens de monter les escaliers et de gérer une variété d'environnements est crucial pour développer des robots qui seront utiles dans les maisons ainsi que dans les opérations de recherche et de sauvetage", a déclaré Deepak Pathak, professeur adjoint à l'Institut de robotique. "Ce système crée un robot robuste et adaptable capable d'effectuer de nombreuses tâches quotidiennes."

L'équipe a mis le robot à l'épreuve, le testant sur des escaliers inégaux et des flancs de collines dans des parcs publics, le mettant au défi de marcher sur des tremplins et sur des surfaces glissantes, et lui demandant de monter des escaliers qui, pour sa hauteur, s'apparenteraient à un humain sautant par-dessus. un obstacle. Le robot s'adapte rapidement et maîtrise les terrains difficiles en s'appuyant sur sa vision et un petit ordinateur de bord.

Les chercheurs ont entraîné le robot avec 4,000 XNUMX clones dans un simulateur, où ils se sont entraînés à marcher et à grimper sur un terrain difficile. La vitesse du simulateur a permis au robot d'acquérir six années d'expérience en une seule journée. Le simulateur a également stocké les capacités motrices acquises lors de l’entraînement dans un réseau neuronal que les chercheurs ont copié sur le robot réel. Cette approche ne nécessitait aucune ingénierie manuelle des mouvements du robot, ce qui s'écartait des méthodes traditionnelles.

La plupart des systèmes robotiques utilisent des caméras pour créer une carte de l’environnement environnant et utilisent cette carte pour planifier les mouvements avant de les exécuter. Le processus est lent et peut souvent échouer en raison du flou inhérent, des inexactitudes ou des perceptions erronées lors de la phase de cartographie qui affectent la planification et les mouvements ultérieurs. La cartographie et la planification sont utiles dans les systèmes axés sur un contrôle de haut niveau, mais ne sont pas toujours adaptées aux exigences dynamiques de compétences de bas niveau comme la marche ou la course sur des terrains difficiles.

Le nouveau système contourne les phases de cartographie et de planification et achemine directement les entrées de vision vers le contrôle du robot. Ce que voit le robot détermine la façon dont il se déplace. Même les chercheurs ne précisent pas comment les jambes doivent bouger. Cette technique permet au robot de réagir rapidement au terrain venant en sens inverse et de s'y déplacer efficacement.

Puisqu’il n’y a aucune cartographie ou planification impliquée et que les mouvements sont entraînés à l’aide de l’apprentissage automatique, le robot lui-même peut être peu coûteux. Le robot utilisé par l’équipe était au moins 25 fois moins cher que les alternatives disponibles. L’algorithme de l’équipe a le potentiel de rendre les robots à faible coût beaucoup plus largement disponibles.

"Ce système utilise la vision et les commentaires du corps directement comme entrée pour envoyer des commandes aux moteurs du robot", a déclaré Ananye Agarwal, titulaire d'un doctorat au SCS. étudiant en apprentissage automatique. « Cette technique permet au système d'être très robuste dans le monde réel. S'il glisse dans les escaliers, il peut récupérer. Il peut pénétrer dans des environnements inconnus et s’adapter.

Cet aspect direct de la vision au contrôle est d’inspiration biologique. Les humains et les animaux utilisent la vision pour se déplacer. Essayez de courir ou de vous équilibrer les yeux fermés. Des recherches antérieures de l'équipe avaient montré que les robots aveugles – des robots sans caméras – pouvaient conquérir des terrains difficiles, mais l'ajout d'une vision et le fait de s'appuyer sur cette vision améliorent considérablement le système.

L’équipe s’est également tournée vers la nature pour trouver d’autres éléments du système. Pour qu’un petit robot – mesurant moins d’un pied dans ce cas – puisse escalader des escaliers ou des obstacles presque à sa hauteur, il a appris à adopter le mouvement que les humains utilisent pour franchir des obstacles élevés. Lorsqu'un humain doit lever sa jambe pour escalader un rebord ou un obstacle, il utilise ses hanches pour déplacer sa jambe sur le côté, appelé abduction et adduction, lui donnant plus d'espace. Le système robotique conçu par l'équipe de Pathak fait de même, en utilisant l'abduction de la hanche pour surmonter les obstacles qui font trébucher certains des systèmes robotiques à pattes les plus avancés du marché.

Le mouvement des pattes postérieures des animaux à quatre pattes a également inspiré l'équipe. Lorsqu'un chat franchit des obstacles, ses pattes arrière évitent les mêmes objets que ses pattes avant, sans bénéficier d'une paire d'yeux à proximité. « Les animaux à quatre pattes ont une mémoire qui permet à leurs pattes arrière de suivre celles de devant. Notre système fonctionne de la même manière », a déclaré Pathak. La mémoire intégrée du système permet aux pattes arrière de se souvenir de ce que la caméra située à l'avant a vu et de manœuvrer pour éviter les obstacles.

"Comme il n'y a pas de carte, pas de planification, notre système se souvient du terrain et de la façon dont il a déplacé la jambe avant et le traduit à la jambe arrière, le faisant rapidement et parfaitement", a déclaré Ashish Kumar, titulaire d'un doctorat. étudiant à Berkeley.

La recherche pourrait constituer un grand pas en avant vers la résolution des défis auxquels sont confrontés les robots à pattes et leur introduction dans les foyers. L'article « Legged Locomotion in Challenging Terrains Using Egocentric Vision », rédigé par Pathak, le professeur de Berkeley Jitendra Malik, Agarwal et Kumar, sera présenté lors de la prochaine conférence sur l'apprentissage des robots à Auckland, en Nouvelle-Zélande.

Vidéo: https://youtu.be/N70CqROzwxI