Този четириног робот научи паркур, за да преодолява по-добре препятствията

той се среща Всякакви пари, четирикрак робот, подобен на куче, проектиран от изследователи от ETH Zurich в Швейцария, с надеждата да използват такива роботи за търсене и спасяване на строителни площадки или в зони на бедствия, наред с други приложения. Сега ANYmal е надграден за елементарна производителност Паркур Движения, известни още като „свободно бягане“. Любителите на човешкия паркур са известни със своите забележително пъргави акробатични подвизи и въпреки че ANYmal не може да се мери с това, роботът успешно е прескачал през пролуки, изкачвал се е нагоре и надолу по големи препятствия и е приклекнал ниско, за да маневрира под всяко препятствие, според Скорошна хартия Публикувано в Journal of Robotics.

Екипът на ETH Цюрих представи оригиналния подход ANYmal за обучение с подсилване Още през 2019 г И  Филантропът че Проприоцепция (Способността да усещате движение, действие и място) Три години по-късно. Само миналата година екипът Тройно шоу От персонализираните роботи ANYmal, които бяха тествани в среди, възможно най-близки до суровия терен на Луната и Марс. Както бе споменато по-рано, ходещите роботи биха могли да помогнат на бъдещите космически кораби и да намалят рисковете от повреда от остри ръбове или загуба на сцепление в разхлабен реголит. Всеки робот имаше лидарен сензор. Но всяка беше специализирана в определени функции и все още беше достатъчно гъвкава, за да покрие другата, така че ако едната се повреди, другите можеха да поемат.

Например, основната цел на модела Scout беше да сканира заобикалящата го среда с помощта на RGB камери. Този робот също използва друго устройство за изображения, за да картографира зони и обекти, представляващи интерес, използвайки филтри, които пропускат различни области на светлинния спектър. Моделът Scientist има предимството да има рамо, съдържащо MIRA (Metrohm Instant Raman Analyzer) и MICRO (Imaging Microscope). MIRA успя да идентифицира химикали в материали на повърхността на зоната на дисплея въз основа на това как се разсейва светлината, докато MICRO на китката й ги снима отблизо. Хибридът беше по-общ, като помагаше на разузнавача и учения с измервания на научни цели като скали и кратери.

Въпреки че ANYmal и подобни роботи с крака постигнаха напредък през последните години, все още има значителни предизвикателства, преди да станат толкова интелигентни и гъвкави, колкото хората и другите животни. „Преди да започнат проекта, много от моите колеги изследователи вярваха, че краките роботи вече са достигнали границите на своя потенциал за развитие.“ каза съавторът Никита Рудин, завършил студент в ETH Zurich, който също практикува паркур. „Но аз имах друго мнение. Всъщност бях сигурен, че с механизмите на краките роботи може да се направи много.

Паркур е изключително сложен от гледна точка на роботиката, което го прави амбициозна мисия, идеална за следващата стъпка на швейцарския екип във ВСИЧКИ способности. Паркурът може да включва големи препятствия, изискващи от робота да „извършва динамични маневри при работни граници, докато прецизно контролира движението на основата и крайниците“, пишат изследователите. За да успее, ANYmal трябва да може да усеща околната среда и да се адаптира към бързите промени, избирайки осъществим път и последователност от движения от собствения си набор от програмирани умения. Трябва да прави всичко това в реално време, като използва ограничени бордови изчисления.

Цялостният подход на швейцарския екип комбинира машинно обучение и… Моделно базирано управление. Те разделиха мисията на три взаимосвързани компонента: модул за възприемане, който обработва данни от бордови камери и LiDAR технология за оценка на терена; Модул за мобилност с програмиран каталог от движения за преодоляване на специфичен терен; Навигационното устройство насочва навигационното устройство при избора на уменията, които ще се използват за навигация между препятствия и различни терени, като се използват междинни команди.

Например Роден използва машинно обучение, за да научи Animal на някои нови умения чрез проба и грешка, а именно катерене на препятствия и научаване как да се катери обратно и да скача от тях. Камерата на робота и изкуствената невронна мрежа му позволяват да избира най-добрите маневри въз основа на предварителното си обучение. Друг дипломиран студент, Фабиан Дженелтен, използва управление, базирано на модел, за да научи ANYmal как да разпознава и да се справя с празнини в купчини развалини, като го допълва с машинно обучение, така че роботът да има по-голяма гъвкавост при прилагане на известни модели на движение в неочаквани ситуации.

Сред задачите, които ANYmal успя да изпълни, беше скачането от една кутия в друга на разстояние до един метър. Това изисква роботът да се приближи странично до празнината, да постави краката си възможно най-близо до ръба и след това да използва три крака, за да скочи, докато изпъва четвъртия, за да кацне върху другата кутия. След това той може да премести два диагонални крака, преди да постави последния крак през празнината. Това означава, че ANYmal може да се възстанови от всякакви грешки и подхлъзване, като премести тежестта си между нескачащите крака.

ANYmal също успя да се спусне от 1-метрова кутия, за да достигне цел на земята, както и да се изкачи нагоре по кутията. Може също така да се огъне, за да достигне цел от другата страна на тесен коридор, като снижи основата си и съответно адаптира походката си. Екипът също така тества способностите за ходене на ANYmal, като роботът успешно се придвижва по стълби, рампи, произволни малки препятствия и т.н.

ANYmal все още има своите ограничения, когато става въпрос за навигация в реални среди, независимо дали става въпрос за паркур или руините на срутена сграда. Например, авторите отбелязват, че все още не са тествали мащабируемостта на своя подход към по-разнообразни, неструктурирани сценарии, които включват по-широк набор от препятствия; Роботът е тестван само в няколко избрани сценария. „Остава да се види колко добре тези различни модули могат да се обобщят в напълно нови сценарии“, пишат те. Този подход също отнема много време, тъй като изисква осем невронни мрежи, които трябва да бъдат настроени отделно, а някои от мрежите са свързани помежду си, така че промяната на една означава промяна и преобучение и на другите мрежи.

Авторите обаче пишат, че ANYmal „сега може да се развива в сложни сцени, където трябва да се катери и прескача големи препятствия, докато избира нетривиален път към целевото си местоположение.“ По този начин, „като се стремим да подражаваме на ловкостта на свободните бегачи, можем да разберем по-добре ограниченията на всеки компонент от пътя от възприятието до задействането, да заобиколим тези ограничения и да увеличим възможностите на нашите роботи като цяло.“

Роботика, 2024 г. DOI: 10.1126/scirobotics.adi7566 (Относно цифровите идентификатори).

Изображение на списъка от ETH Цюрих / Никита Рудин