Дослідники з лабораторії робототехнічних систем ETH Zurich розробили інноваційного робота, здатного переміщатися на колесах і ногах, що дає йому змогу адаптуватися до різних типів ландшафту.
Цей робот, описаний у статті в Science Robotics, використовує методи навчання з підкріпленням, щоб плавно перемикатися між режимами водіння і ходьби.
«Головна мета проекту — створити автономну систему пересування для наземного робота, здатного пересуватися з найвищою швидкістю», — повідомив Джунхо Лі, співавтор дослідження. «Цьому передували понад п’ять років досліджень у галузі робототехніки, автономної навігації та сприйняття роботів». Новий робот ґрунтується на попередній розробці команди CERBERUS, яка перемогла в конкурсі DARPA Subterranean Challenge 2021 року, але має спрощену конструкцію і поліпшену навігаційну систему на базі ШІ.
Традиційні методи планування навігації для наземних роботів часто використовують онлайн-оптимізацію, яка підходить для повільних роботів, але неефективна для швидкорухомих систем. Роботи, здатні пересуватися зі швидкістю до 20 км/год, вимагають швидких планів навігації.
Навіть затримка в 0,5 секунди може призвести до помилки в 1 метр і катастрофічних зіткнень.
Дослідники розробили і протестували різні методи ієрархічного навчання з підкріпленням, що дало змогу створити нейронну мережу, яка може генерувати нові плани навігації за мілісекунди. «Наш контролер нейронної мережі повністю розуміє нелінійну і складну динаміку роботів на ногах, — пояснив Лі. — Він може ефективно керувати роботом на різних поверхнях із різною швидкістю».
На гладкій місцевості робот використовує колеса, мінімізуючи енергоспоживання, а на складній місцевості, де колеса неефективні, він перемикається в режим ходьби. Контролер на основі нейронної мережі обробляє сенсорні дані та вибирає найбільш ефективний спосіб пересування.
Контролер, створений Лі та його колегами, використовує дві штучні нейронні мережі, які аналізують дані датчиків і визначають рухи робота. Традиційні методи планування та управління часто не справляються з реальними умовами, повними невизначеностей, але нейронні мережі дають змогу роботу успішно адаптуватися.
У майбутньому такі роботи можуть бути використані для автономної доставки вантажів у різних умовах, забезпечуючи швидке і надійне транспортування.
