Een goedkope robot die klaar is voor elk obstakel

Onderzoekers van de School of Computer Science van Carnegie Mellon University en de University of California, Berkeley, hebben een robotsysteem ontworpen waarmee een goedkope en relatief kleine robot trappen kan beklimmen en afdalen die bijna zo hoog zijn; doorkruis rotsachtig, glad, oneffen, steil en gevarieerd terrein; loop over gaten; schaal rotsen en stoepranden; en zelfs in het donker werken.

“Het in staat stellen van kleine robots om trappen te beklimmen en verschillende omgevingen aan te kunnen is cruciaal voor het ontwikkelen van robots die nuttig zullen zijn bij mensen thuis en bij zoek- en reddingsoperaties”, zegt Deepak Pathak, assistent-professor bij het Robotics Institute. “Dit systeem creëert een robuuste en aanpasbare robot die veel dagelijkse taken kan uitvoeren.”

Het team heeft de robot op de proef gesteld, hem getest op oneffen trappen en hellingen in openbare parken, hem uitgedaagd om over stapstenen en over gladde oppervlakken te lopen, en hem gevraagd trappen te beklimmen die vanwege zijn hoogte vergelijkbaar zijn met een mens die eroverheen springt. een hindernis. De robot past zich snel aan en beheerst uitdagend terrein door te vertrouwen op zijn zicht en een kleine boordcomputer.

De onderzoekers trainden de robot met 4,000 klonen ervan in een simulator, waar ze oefenden met lopen en klimmen op uitdagend terrein. Dankzij de snelheid van de simulator kon de robot op één dag zes jaar ervaring opdoen. De simulator sloeg de motorische vaardigheden die hij tijdens de training leerde ook op in een neuraal netwerk dat de onderzoekers kopieerden naar de echte robot. Deze aanpak vereiste geen handmatige manipulatie van de bewegingen van de robot – een afwijking van traditionele methoden.

De meeste robotsystemen gebruiken camera's om een ​​kaart van de omgeving te maken en gebruiken die kaart om bewegingen te plannen voordat ze worden uitgevoerd. Het proces is traag en kan vaak haperen als gevolg van inherente vaagheid, onnauwkeurigheden of misvattingen in de mappingfase die de daaropvolgende planning en bewegingen beïnvloeden. In kaart brengen en plannen zijn nuttig in systemen die gericht zijn op besturing op hoog niveau, maar zijn niet altijd geschikt voor de dynamische vereisten van vaardigheden op laag niveau, zoals lopen of rennen over uitdagend terrein.

Het nieuwe systeem omzeilt de mapping- en planningsfasen en leidt de vision-invoer rechtstreeks naar de besturing van de robot. Wat de robot ziet, bepaalt hoe hij beweegt. Zelfs de onderzoekers specificeren niet hoe de benen moeten bewegen. Met deze techniek kan de robot snel reageren op tegemoetkomend terrein en zich er effectief doorheen bewegen.

Omdat er geen sprake is van mapping of planning en bewegingen worden getraind met behulp van machinaal leren, kan de robot zelf goedkoop zijn. De robot die het team gebruikte was minstens 25 keer goedkoper dan beschikbare alternatieven. Het algoritme van het team heeft het potentieel om goedkope robots op veel grotere schaal beschikbaar te maken.

“Dit systeem gebruikt zicht en feedback van het lichaam rechtstreeks als input om commando’s uit te voeren naar de motoren van de robot”, zegt Ananye Agarwal, een SCS Ph.D. student machine learning. “Dankzij deze techniek kan het systeem in de echte wereld zeer robuust zijn. Als hij uitglijdt op de trap, kan hij zich herstellen. Het kan zich in onbekende omgevingen begeven en zich aanpassen.”

Dit directe visie-naar-controle-aspect is biologisch geïnspireerd. Mensen en dieren gebruiken visie om te bewegen. Probeer te rennen of balanceren met je ogen dicht. Eerder onderzoek van het team had aangetoond dat blinde robots – robots zonder camera’s – uitdagend terrein kunnen overwinnen, maar het toevoegen van visie en het vertrouwen op die visie verbetert het systeem aanzienlijk.

Het team keek ook naar de natuur voor andere elementen van het systeem. Om een ​​kleine robot (in dit geval nog geen dertig centimeter lang) trappen of obstakels van bijna dezelfde hoogte te laten beklimmen, leerde hij de beweging over te nemen die mensen gebruiken om over hoge obstakels heen te stappen. Wanneer een mens zijn been hoog moet optillen om een ​​richel of hindernis te beklimmen, gebruikt hij zijn heupen om zijn been opzij te bewegen, ook wel abductie en adductie genoemd, waardoor het meer ruimte krijgt. Het robotsysteem dat het team van Pathak heeft ontworpen, doet hetzelfde, waarbij gebruik wordt gemaakt van heupabductie om obstakels aan te pakken die enkele van de meest geavanceerde robotsystemen met poten op de markt kunnen struikelen.

Ook de beweging van de achterpoten van vierpotige dieren inspireerde het team. Wanneer een kat door obstakels heen beweegt, vermijden zijn achterpoten dezelfde voorwerpen als zijn voorpoten zonder het voordeel van een paar ogen in de buurt. “Vierpotige dieren hebben een geheugen waardoor hun achterpoten de voorpoten kunnen volgen. Ons systeem werkt op een vergelijkbare manier”, aldus Pathak. Dankzij het ingebouwde geheugen van het systeem kunnen de achterpoten onthouden wat de camera aan de voorkant zag en manoeuvreren om obstakels te vermijden.

"Omdat er geen kaart en geen planning is, onthoudt ons systeem het terrein en hoe het de voorpoot bewoog en vertaalt dit naar de achterpoot, en doet dit snel en feilloos", zegt Ashish Kumar, een Ph.D. student aan Berkley.

Het onderzoek zou een grote stap kunnen zijn in de richting van het oplossen van de bestaande problemen waarmee robots op poten worden geconfronteerd en deze bij mensen thuis te brengen. Het artikel ‘Legged Locomotion in Challenging Terrains Using Egocentric Vision’, geschreven door Pathak, Berkeley-professor Jitendra Malik, Agarwal en Kumar, zal worden gepresenteerd op de komende conferentie over robotleren in Auckland, Nieuw-Zeeland.

Video: https://youtu.be/N70CqROzwxI