Дослідники з Китаю та Великої Британії розробили підхід, заснований на навчанні, який дозволяє чотириногим роботам швидко долати вузькі щілини.
Система розроблена, щоб допомогти чотириногим роботам виконувати спритні рухи, яких важко досягти за допомогою традиційних методів керування, пише Interesting Engineering.
Цей підхід дозволяє роботу вирішувати, коли стрибати, та відповідно коригувати свої рухи. Дослідники продемонстрували систему на чотириногому роботу, показуючи, як керування на основі навчання може допомогти машинам швидше та автономніше орієнтуватися в обмежених просторах.
Читайте також:
Повторить за 3 секунди. Роботи від Generalist AI навчилися копіювати рухи людини з одного короткого відео Нова система дозволяє чотирилапому роботу оцінювати перешкоду, вибирати відповідний рух і динамічно стрибати через неї, не покладаючись на попередньо запрограмовану послідовність стрибків. Технологію було продемонстровано на роботі Unitree Aliengo вагою 22 кілограми, який автономно долав перешкоди, порівнянні за розміром з його власне тіло.
В основі системи,
розробленої дослідниками з Університету Гонконгу (HKU) та Оксфордського інституту робототехніки, лежить ієрархічна структура навчання з підкріпленням під назвою ConsJump. Замість того, щоб навчати робота кожному руху з нуля, дослідники розділили керування на два рівні.
Низькорівневий контролер надає роботу бібліотеку спритних рухів. Робота навчали за допомогою імітаційного навчання відтворювати рухові моделі, подібні до рухів тварин, включаючи ходьбу, галоп та стрибки. Ці рухи були адаптовані до фізичної структури робота за допомогою зворотної кінематики, що дозволило системі навчитися координувати свої суглоби, зберігаючи при цьому природний стиль рухів. Під час навчання більше уваги приділялося стрибковим рухам, щоб допомогти роботу опанувати складніші повітряні маневри.
Читайте також:
Із дистанційним керуванням. Китай показав робота Fuxi, який у реальному часі повторює рухи людини Контролер високого рівня діє радше як особа, що приймає рішення. Він отримує інформацію про середовище та визначає, який рух слід використовувати, і коли робот повинен переходити між ними.
Замість безпосереднього керування окремими суглобами, він генерує команди швидкості руху вперед та повороту, які передаються до системи локомоції низького рівня. Це дозволяє роботу безперервно комбінувати різні вивчені рухи, а не різко перемикатися між фіксованими послідовностями рухів.
Зір — ще одна ключова частина технології. Робот використовує вбудовану камеру Intel D435i RGB-D для ідентифікації перешкод та визначення їх розміру й положення. Система сприйняття обробляє інформацію про колір та глибину, щоб виявити прямокутний отвір, обчислити його центр та оцінити його геометрію. Потім ця інформація передається в контролер високого рівня, який використовує власний стан робота та положення отвору, щоб визначити, як йому слід наблизитися до перешкоди.
За словами команди, це дозволяє роботу приймати рішення динамічно, а не слідувати фіксованій траєкторії. Під час наближення до перешкоди робот може переходити від повільнішої ходи до швидкого стрибка з розбігу. Під час випробувань він розганявся до 2,5 метрів за секунду, перш ніж різко сповільнився, готуючись до стрибку.
Система також координує суглоби робота під час польоту, дозволяючи його ногам уникати країв отвору. Фаза польоту тривала близько 0,44 секунди.
Читайте також:
Завдяки нагріванню пружини. Робот без моторів і програмування навчився стрибати, перевертатися та долати схили Такий підхід також дозволяє роботу справлятися зі зміною умов. Випробування показали, що він може адаптуватися до нерівної місцевості, включаючи ситуації, коли його ноги ковзали перед злетом. Оскільки політика руху на низькому рівні залишається фіксованою, тоді як контролер високого рівня вибирає, як використовувати ці навички, дослідники кажуть, що ту саму архітектуру можна адаптувати до інших складних робототехнічних завдань без перенавчання всієї системи руху.
Раніше NV Техно писав, що китайський стартап DaxAI Robotics презентував на Всесвітній конференції робототехніки у Пекіні чотириногого робота-коня Qiji X1, здатного перевозити в сідлі людину або гуманоїдного вершника.
Замість коліс чи гусениць апарат використовує механічні ноги із суглобами, що дійсно робить його схожим на справжнього коня. Кермувати ним можна за допомогою ручок у передній частині, а людина чи антропоморфний бот розміщується у спеціальному сідлі.
Читайте також:
Вихід із ери GPT-2. Розробники шукають спосіб дати роботам надійний штучний інтелект
