En billig robot redo för alla hinder

Forskare vid Carnegie Mellon Universitys School of Computer Science och University of California, Berkeley, har designat ett robotsystem som gör det möjligt för en billig och relativt småbensrobot att klättra och gå ner för trappor nästan sin höjd; korsa stenig, halt, ojämn, brant och varierad terräng; gå över luckor; fjällstenar och trottoarkanter; och till och med arbeta i mörker.

"Att ge små robotar möjlighet att klättra i trappor och hantera en mängd olika miljöer är avgörande för att utveckla robotar som kommer att vara användbara i människors hem såväl som sök- och räddningsoperationer", säger Deepak Pathak, biträdande professor vid Robotics Institute. "Det här systemet skapar en robust och anpassningsbar robot som kan utföra många vardagliga uppgifter."

Teamet testade roboten i ojämna trappor och sluttningar i offentliga parker, utmanade den att gå över trampstenar och över hala ytor och bad den gå i trappor som för sin höjd skulle likna en människa som hoppar över ett hinder. Roboten anpassar sig snabbt och bemästrar utmanande terräng genom att förlita sig på sin vision och en liten inbyggd dator.

Forskarna tränade roboten med 4,000 XNUMX kloner av den i en simulator, där de tränade på att gå och klättra i utmanande terräng. Simulatorns hastighet gjorde att roboten fick sex års erfarenhet på en enda dag. Simulatorn lagrade också motoriken den lärde sig under träning i ett neuralt nätverk som forskarna kopierade till den riktiga roboten. Detta tillvägagångssätt krävde ingen handkonstruktion av robotens rörelser - ett avsteg från traditionella metoder.

De flesta robotsystem använder kameror för att skapa en karta över den omgivande miljön och använda kartan för att planera rörelser innan de utförs. Processen är långsam och kan ofta vackla på grund av inneboende luddighet, felaktigheter eller missuppfattningar i kartläggningsstadiet som påverkar den efterföljande planeringen och rörelserna. Kartläggning och planering är användbara i system fokuserade på kontroll på hög nivå men är inte alltid lämpade för de dynamiska kraven på lågnivåfärdigheter som att gå eller springa över utmanande terräng.

Det nya systemet kringgår kartläggnings- och planeringsfaserna och dirigerar visioningångarna direkt till robotens kontroll. Vad roboten ser avgör hur den rör sig. Inte ens forskarna specificerar hur benen ska röra sig. Denna teknik gör att roboten kan reagera på mötande terräng snabbt och röra sig genom den effektivt.

Eftersom det inte finns någon kartläggning eller planering inblandad och rörelser tränas med hjälp av maskininlärning, kan själva roboten vara låg kostnad. Roboten som teamet använde var minst 25 gånger billigare än tillgängliga alternativ. Teamets algoritm har potential att göra billiga robotar mycket mer allmänt tillgängliga.

"Detta system använder syn och feedback från kroppen direkt som input för att mata ut kommandon till robotens motorer", säger Ananye Agarwal, en SCS Ph.D. student i maskininlärning. "Denna teknik gör att systemet är mycket robust i den verkliga världen. Om den halkar i trappor kan den återhämta sig. Det kan gå in i okända miljöer och anpassa sig.”

Denna direkta vision-till-kontroll aspekt är biologiskt inspirerad. Människor och djur använder syn för att röra sig. Prova att springa eller balansera med slutna ögon. Tidigare forskning från teamet hade visat att blinda robotar - robotar utan kameror - kan erövra utmanande terräng, men att lägga till vision och förlita sig på den visionen förbättrar systemet avsevärt.

Teamet tittade också på naturen för andra delar av systemet. För en liten robot - mindre än en fot lång, i det här fallet - för att skala trappor eller hinder nästan sin höjd, lärde den sig att anta rörelsen som människor använder för att kliva över höga hinder. När en människa måste lyfta upp benet högt för att ta sig över en avsats eller ett hinder, använder den sina höfter för att flytta ut benet åt sidan, vilket kallas abduktion och adduktion, vilket ger den mer spelrum. Robotsystemet Pathaks team designade gör samma sak, och använder höftbortförande för att ta itu med hinder som slår ut några av de mest avancerade benrobotsystemen på marknaden.

Förflyttningen av bakben av fyrbenta djur inspirerade också laget. När en katt rör sig genom hinder undviker dess bakben samma föremål som frambenen utan att ha några ögon i närheten. – Fyrbenta djur har ett minne som gör att deras bakben kan spåra frambenen. Vårt system fungerar på ett liknande sätt”, sa Pathak. Systemets inbyggda minne gör att de bakre benen kan komma ihåg vad kameran framtill såg och manövrera för att undvika hinder.

"Eftersom det inte finns någon karta, ingen planering, kommer vårt system ihåg terrängen och hur det flyttade det främre benet och översätter detta till det bakre benet, vilket gör det snabbt och felfritt", säger Ashish Kumar, doktor. student vid Berkeley.

Forskningen kan vara ett stort steg mot att lösa befintliga utmaningar som robotar med ben står inför och föra in dem i människors hem. Uppsatsen "Legged Locomotion in Challenging Terrains Using Egocentric Vision", skriven av Pathak, Berkeley-professorn Jitendra Malik, Agarwal och Kumar, kommer att presenteras vid den kommande konferensen om robotinlärning i Auckland, Nya Zeeland.

video: https://youtu.be/N70CqROzwxI