Недорогой робот, готовый к любым препятствиям

Исследователи из Школы компьютерных наук Университета Карнеги-Меллона и Калифорнийского университета в Беркли разработали роботизированную систему, которая позволяет недорогому роботу с относительно небольшими ногами подниматься и спускаться по лестнице почти его роста; преодолевайте каменистую, скользкую, неровную, крутую и разнообразную местность; ходить через пропасти; скалистые камни и бордюры; и даже работать в темноте.

«Наделение маленьких роботов способностью подниматься по лестнице и работать в различных средах имеет решающее значение для разработки роботов, которые будут полезны в домах людей, а также в поисково-спасательных операциях», — сказал Дипак Патхак, доцент Института робототехники. «Эта система создает надежного и адаптируемого робота, который может выполнять множество повседневных задач».

Команда протестировала робота, проверив его на неровных лестницах и склонах холмов в общественных парках, заставив его ходить по ступенькам и скользким поверхностям, а также попросив его подняться по лестнице, которая для его высоты была бы сродни прыжку через нее человека. препятствие. Робот быстро адаптируется и справляется со сложной местностью, полагаясь на свое зрение и небольшой бортовой компьютер.

Исследователи обучали робота с помощью 4,000 его клонов на симуляторе, где они практиковались в ходьбе и лазании по сложной местности. Скорость симулятора позволила роботу получить шесть лет опыта за один день. Симулятор также сохранил двигательные навыки, полученные во время тренировки, в нейронной сети, которую исследователи скопировали в настоящего робота. Этот подход не требовал какой-либо ручной разработки движений робота, что является отходом от традиционных методов.

Большинство роботизированных систем используют камеры для создания карты окружающей среды и используют эту карту для планирования движений перед их выполнением. Этот процесс медленный и часто может прерываться из-за присущей ему нечеткости, неточностей или неправильных представлений на этапе картирования, которые влияют на последующее планирование и действия. Составление карт и планирование полезны в системах, ориентированных на контроль высокого уровня, но не всегда подходят для динамических требований навыков низкого уровня, таких как ходьба или бег по сложной местности.

Новая система обходит этапы картографирования и планирования и напрямую направляет входные данные машинного зрения на управление роботом. То, что видит робот, определяет, как он движется. Даже исследователи не уточняют, как должны двигаться ноги. Эта техника позволяет роботу быстро реагировать на встречную местность и эффективно перемещаться по ней.

Поскольку здесь не требуется составление карт или планирование, а движения обучаются с помощью машинного обучения, сам робот может быть недорогим. Робот, которого использовала команда, был как минимум в 25 раз дешевле доступных альтернатив. Алгоритм команды потенциально может сделать недорогих роботов более доступными.

«Эта система использует зрение и обратную связь от тела непосредственно в качестве входных данных для вывода команд двигателям робота», — сказала Ананье Агарвал, доктор философии SCS. студент по машинному обучению. «Этот метод позволяет системе быть очень надежной в реальном мире. Если он поскользнется на лестнице, он сможет восстановиться. Он может проникать в неизведанную среду и адаптироваться».

Этот аспект прямого видения-контроля имеет биологическое происхождение. Люди и животные используют зрение для передвижения. Попробуйте бегать или балансировать с закрытыми глазами. Предыдущие исследования команды показали, что слепые роботы — роботы без камер — могут преодолевать сложную местность, но добавление зрения и использование этого зрения значительно улучшают систему.

Команда обратилась к природе и за другими элементами системы. Чтобы небольшой робот (в данном случае ростом менее фута) мог преодолевать лестницы или препятствия почти своей высоты, он научился перенимать движения, которые люди используют, чтобы перешагивать через высокие препятствия. Когда человеку приходится высоко поднять ногу, чтобы взобраться на выступ или препятствие, он использует бедра, чтобы отвести ногу в сторону, что называется отведением и приведением, что дает ей больше пространства. Роботизированная система, разработанная командой Патака, делает то же самое, используя отведение бедра для преодоления препятствий, на которых спотыкаются некоторые из самых продвинутых роботизированных систем с ногами на рынке.

Движение задних ног четвероногих животных также вдохновило команду. Когда кошка преодолевает препятствия, ее задние лапы избегают тех же предметов, что и передние, без помощи близлежащих глаз. «Четвероногие животные обладают памятью, которая позволяет их задним лапам отслеживать передние. Наша система работает аналогичным образом», — сказал Патхак. Встроенная память системы позволяет задним ногам запоминать то, что видела передняя камера, и маневрировать, чтобы избежать препятствий.

«Поскольку нет ни карты, ни планирования, наша система запоминает местность и то, как она перемещала переднюю ногу, и передает это на заднюю ногу, делая это быстро и безупречно», — сказал Ашиш Кумар, доктор философии. студент Беркли.

Исследование может стать большим шагом на пути к решению существующих проблем, с которыми сталкиваются четвероногие роботы и их проникновению в дома людей. Статья «Передвижение на сложных участках с использованием эгоцентрического зрения», написанная Патаком, профессором Беркли Джитендрой Малик, Агарвалом и Кумаром, будет представлена ​​на предстоящей конференции по обучению роботов в Окленде, Новая Зеландия.

Видео: https://youtu.be/N70CqROzwxI