En lavkostrobot klar for alle hindringer

Forskere ved Carnegie Mellon University's School of Computer Science og University of California, Berkeley, har designet et robotsystem som gjør det mulig for en rimelig og relativt småbenet robot å klatre og gå ned trapper nesten i høyden; traversere steinete, glatt, ujevnt, bratt og variert terreng; gå over hull; skala steiner og fortauskanter; og til og med operere i mørket.

"Å gi små roboter mulighet til å klatre i trapper og håndtere en rekke miljøer er avgjørende for å utvikle roboter som vil være nyttige i folks hjem så vel som søk-og-redningsoperasjoner," sa Deepak Pathak, en assisterende professor ved Robotics Institute. "Dette systemet skaper en robust og tilpasningsdyktig robot som kan utføre mange daglige oppgaver."

Teamet testet roboten på ujevne trapper og åssider i offentlige parker, utfordret den til å gå over tråkkesteiner og over glatte overflater, og ba den gå opp trapper som for sin høyde ville være lik et menneske som hopper over. et hinder. Roboten tilpasser seg raskt og mestrer utfordrende terreng ved å stole på synet og en liten datamaskin ombord.

Forskerne trente roboten med 4,000 kloner av den i en simulator, hvor de øvde på å gå og klatre i utfordrende terreng. Simulatorens hastighet tillot roboten å få seks års erfaring på en enkelt dag. Simulatoren lagret også motoriske ferdigheter den lærte under trening i et nevralt nettverk som forskerne kopierte til den virkelige roboten. Denne tilnærmingen krevde ingen håndkonstruksjon av robotens bevegelser - et avvik fra tradisjonelle metoder.

De fleste robotsystemer bruker kameraer for å lage et kart over omgivelsene og bruke det kartet til å planlegge bevegelser før de utføres. Prosessen er langsom og kan ofte vakle på grunn av iboende uklarhet, unøyaktigheter eller feiloppfatninger i kartleggingsstadiet som påvirker den påfølgende planleggingen og bevegelsene. Kartlegging og planlegging er nyttig i systemer fokusert på kontroll på høyt nivå, men er ikke alltid egnet for de dynamiske kravene til ferdigheter på lavt nivå som å gå eller løpe over utfordrende terreng.

Det nye systemet omgår kartleggings- og planleggingsfasene og dirigerer synsinndataene direkte til robotens kontroll. Hva roboten ser avgjør hvordan den beveger seg. Ikke engang forskerne spesifiserer hvordan bena skal bevege seg. Denne teknikken lar roboten reagere raskt på møtende terreng og bevege seg gjennom det effektivt.

Fordi det ikke er noen kartlegging eller planlegging involvert og bevegelser trenes ved hjelp av maskinlæring, kan selve roboten være rimelig. Roboten teamet brukte var minst 25 ganger billigere enn tilgjengelige alternativer. Lagets algoritme har potensial til å gjøre lavkostroboter mye mer tilgjengelig.

"Dette systemet bruker syn og tilbakemeldinger fra kroppen direkte som input for å sende ut kommandoer til robotens motorer," sa Ananye Agarwal, en SCS Ph.D. student i maskinlæring. "Denne teknikken gjør at systemet kan være veldig robust i den virkelige verden. Hvis den sklir i trapper, kan den komme seg. Den kan gå inn i ukjente miljøer og tilpasse seg.»

Dette direkte visjon-til-kontroll-aspektet er biologisk inspirert. Mennesker og dyr bruker syn for å bevege seg. Prøv å løpe eller balansere med lukkede øyne. Tidligere forskning fra teamet hadde vist at blinde roboter - roboter uten kameraer - kan erobre utfordrende terreng, men å legge til syn og stole på den visjonen forbedrer systemet betraktelig.

Teamet så til naturen for andre elementer av systemet, også. For en liten robot - mindre enn en fot høy, i dette tilfellet - for å skalere trapper eller hindringer nesten høyden, lærte den å ta i bruk bevegelsen som mennesker bruker for å gå over høye hindringer. Når et menneske må løfte benet høyt opp for å skalere en avsats eller hinder, bruker det hoftene til å flytte benet ut til siden, kalt abduksjon og adduksjon, og gir det mer klaring. Robotsystemet Pathaks team designet gjør det samme, ved å bruke hofteabduksjon for å takle hindringer som snubler opp noen av de mest avanserte robotsystemene på markedet.

Bevegelsen av bakbeina av firbeinte dyr inspirerte også laget. Når en katt beveger seg gjennom hindringer, unngår bakbena den samme gjenstanden som forbena uten fordelen av et sett med øyne i nærheten. "Firebeinte dyr har et minne som gjør at bakbena deres kan spore forbena. Systemet vårt fungerer på samme måte, sa Pathak. Systemets innebygde minne gjør at de bakre bena kan huske hva kameraet foran så og manøvrere for å unngå hindringer.

"Siden det ikke er noe kart, ingen planlegging, husker systemet vårt terrenget og hvordan det beveget det fremre benet og oversetter dette til det bakre benet, og gjør det raskt og feilfritt," sa Ashish Kumar en Ph.D. student ved Berkeley.

Forskningen kan være et stort skritt mot å løse eksisterende utfordringer som roboter med ben står overfor og bringe dem inn i folks hjem. Artikkelen "Legged Locomotion in Challenging Terrains Using Egocentric Vision," skrevet av Pathak, Berkeley-professor Jitendra Malik, Agarwal og Kumar, vil bli presentert på den kommende konferansen om robotlæring i Auckland, New Zealand.

Video: https://youtu.be/N70CqROzwxI