Forskere ved Carnegie Mellon University's School of Computer Science og University of California, Berkeley har designet et robotsystem, der gør det muligt for en billig robot med relativt små ben at klatre op og ned ad trapper tæt på sin højde, krydse stenet, glat, ujævnt, stejlt. og varieret terræn. Bro over kløfter, flå sten og kantsten, og endda arbejde i mørke.
"At give små robotter evnen til at gå op ad trapper og håndtere en række forskellige miljøer er afgørende for at udvikle robotter, der er nyttige i folks hjem, såvel som i eftersøgnings- og redningsoperationer," sagde Deepak Pathak, en assisterende professor ved Robotics Institute. . Robotter, der kan udføre mange hverdagsopgaver."
Holdet satte robotten på prøve, testede den på ujævne trapper og bjergskråninger i offentlige parker, udfordrede den til at træde over trædesten og glatte overflader og bad den om at gå op ad trapper, fordi den var lige så høj som et menneske, der hoppede over en forhindring. Robotten er afhængig af sin vision og en lille indbygget computer til hurtigt at tilpasse sig og mestre udfordrende terræn.
Forskerne trænede robotterne med 4,000 kloner i en simulator, hvor de øvede sig i at gå og klatre i udfordrende terræn. Simulatorens hastighed giver robotten mulighed for at få seks års erfaring på én dag. Simulatoren lagrede også motoriske færdigheder lært under træning i det neurale netværk, som forskerne kopierede på den rigtige robot. Denne tilgang kræver ikke nogen manuel konstruktion af robottens bevægelse -- i modsætning til traditionelle metoder.
De fleste robotsystemer bruger kameraer til at skabe et kort over deres omgivelser og bruge dette kort til at planlægge bevægelser før udførelse. Processen er langsom, og der opstår ofte problemer på grund af tvetydighed, unøjagtigheder eller misforståelser, der ligger i kortlægningsfasen, og som påvirker efterfølgende planlægning og bevægelse. Kortlægning og planlægning er nyttige i systemer, der fokuserer på kontrol på højt niveau, men er ikke altid egnede til de dynamiske krav til færdigheder på lavt niveau, såsom at gå eller løbe i udfordrende terræn.
Det nye system omgår kortlægnings- og planlægningsstadierne og dirigerer visuelle input direkte til robottens kontrol. Det, robotten ser, bestemmer, hvordan den bevæger sig. Selv forskerne specificerede ikke, hvordan benene skulle bevæge sig. Denne teknologi giver robotten mulighed for hurtigt at reagere på modkørende terræn og bevæge sig gennem det effektivt.
Fordi der ikke kræves kortlægning eller planlægning, og maskinlæring bruges til at træne bevægelser, kan selve robotterne være billige. Robotten, holdet brugte, er mindst 25 gange billigere end eksisterende alternativer. Holdets algoritme har potentialet til at gøre billige robotter mere tilgængelige.
Ananye Agarwal, en ph.d.-studerende i maskinlæring ved SCS, sagde: "Systemet bruger syn og feedback fra kroppen direkte som input til at udlæse kommandoer til robottens motorer. Denne teknik gør systemet meget robust i den virkelige verden. Hvis det glider på trappen, Den kan komme sig. Den kan gå ind i ukendte omgivelser og tilpasse sig."
Denne direkte vision om kontrol er biologisk inspireret. Mennesker og dyr bruger syn til at bevæge sig. Prøv at løbe eller balancere med lukkede øjne. Holdets tidligere forskning har vist, at blinde robotter (dem uden kameraer) kan erobre udfordrende terræn, men at tilføje vision og stole på det kan forbedre systemet betydeligt.
Holdet kiggede også på naturen for andre elementer af systemet. For en lille robot mindre end en fod høj til at klatre op ad trapper eller forhindringer tæt på sin højde, lærte den at adoptere de bevægelser, mennesker bruger til at træde over høje forhindringer. Når en person skal løfte benene højt for at forcere et trin eller en forhindring, bruger den hofterne til at flytte benene ud af vejen, kaldet abduktion og adduktion, hvilket giver den mere plads. Det samme gælder for robotsystemet designet af Pathaks team, som bruger hofteabduktion til at overvinde forhindringer, der holder nogle af de mest avancerede robotsystemer med ben på markedet tilbage.
Bevægelsen af de firbenedes bagben inspirerede også holdet. Når en kat bevæger sig gennem en forhindring, undgår dens bagben de samme genstande som dens forben, uden hjælp fra et nærliggende par øjne. "Firebenede dyr har en hukommelse, der gør det muligt for deres bagben at spore deres forben. Vores system fungerer på samme måde," sagde Pathak. Systemets indbyggede hukommelse gør det muligt for bagbenene at huske, hvad frontkameraet ser og manøvrere for at undgå forhindringer.
"Fordi der ikke er noget kort, ingen planlægning, husker vores system terrænet, og hvordan det flytter sine forben, og konverterer det til sine bagerste ben, og gør det så hurtigt og perfekt," sagde Ashish Kumar, en Ph.D. studerende på Berkeley. Denne forskning kan være et stort skridt i retning af at løse eksisterende udfordringer med robotter med ben og bringe dem ind i folks hjem.