Исследователи из Школы компьютерных наук Университета Карнеги-Меллона и Калифорнийского университета в Беркли разработали роботизированную систему, которая позволяет недорогому и относительно малоногому роботу подниматься и спускаться по лестнице почти на свой рост; пересекать каменистую, скользкую, неровную, крутую и разнообразную местность; преодолевать провалы; масштабировать камни и бордюры; и даже работать в темноте.

"Предоставление возможности маленьким роботам подниматься по лестнице и справляться с различными условиями имеет решающее значение для разработки роботов, которые будут полезны в домах людей, а также в поисково-спасательных операциях", - сказал Дипак Патхак, доцент Института робототехники. "Эта система создает надежного и адаптируемого робота, который мог бы выполнять множество повседневных задач".

Команда провела испытания робота, протестировав его на неровных ступенях и склонах холмов в общественных парках, заставив его ходить по ступенькам и скользким поверхностям, а также попросив его подняться по лестнице, которая по своей высоте была бы сродни прыжку человека через препятствие. Робот быстро адаптируется и осваивает сложную местность, полагаясь на свое зрение и небольшой бортовой компьютер.

Исследователи обучили робота с 4000 его клонов на симуляторе, где они практиковались в ходьбе и лазании по сложной местности. Скорость симулятора позволила роботу за один день набраться шестилетнего опыта. Симулятор также сохранил моторные навыки, которые он приобрел во время обучения, в нейронной сети, которую исследователи скопировали на реального робота. Этот подход не требовал какой-либо ручной инженерии движений робота - отход от традиционных методов.

Большинство роботизированных систем используют камеры для создания карты окружающей среды и используют эту карту для планирования движений перед их выполнением. Процесс медленный и часто может сорваться из-за присущей ему размытости, неточностей или неправильного восприятия на этапе составления карты, которые влияют на последующее планирование и перемещения. Картографирование и планирование полезны в системах, ориентированных на высокоуровневый контроль, но не всегда подходят для динамических требований, предъявляемых к навыкам низкого уровня, таким как ходьба или бег по сложной местности.

Новая система обходит этапы составления карт и планирования и напрямую направляет визуальные сигналы на пульт управления роботом. То, что видит робот, определяет, как он движется. Даже исследователи не уточняют, как должны двигаться ноги. Эта техника позволяет роботу быстро реагировать на встречную местность и эффективно перемещаться по ней.

Поскольку не требуется картографирование или планирование, а движения обучаются с помощью машинного обучения, сам робот может быть недорогим. Робот, которого использовала команда, был по меньшей мере в 25 раз дешевле доступных альтернатив. Алгоритм команды обладает потенциалом для того, чтобы сделать недорогих роботов гораздо более доступными.

"Эта система использует зрение и обратную связь от тела непосредственно в качестве входных данных для выдачи команд двигателям робота", - сказал Ананье Агарвал, аспирант SCS по машинному обучению. "Этот метод позволяет системе быть очень надежной в реальном мире. Если он поскользнется на лестнице, он может восстановиться. Он может попасть в неизвестную среду и адаптироваться".

Этот аспект прямого видения для контроля является биологически вдохновленным. Люди и животные используют зрение, чтобы двигаться. Попробуйте бегать или балансировать с закрытыми глазами. Предыдущие исследования команды показали, что слепые роботы - роботы без камер - могут преодолевать сложную местность, но добавление зрения и опора на это зрение значительно улучшают систему.

Команда обратилась к природе и за другими элементами системы. Чтобы маленький робот - в данном случае ростом менее фута - мог взбираться по лестнице или преодолевать препятствия, близкие к его высоте, он научился перенимать движения, которые люди используют, чтобы перешагивать через высокие препятствия. Когда человеку приходится высоко поднимать ногу, чтобы взобраться на выступ или препятствие, он использует бедра, чтобы отвести ногу в сторону, что называется отведением и приведением, что дает ему больший зазор. Роботизированная система, разработанная командой Патака, делает то же самое, используя отведение бедра для преодоления препятствий, которые ставят в тупик некоторые из самых передовых роботизированных систем на ногах на рынке.

Движение задних ног четвероногих животных также вдохновило команду. Когда кошка преодолевает препятствия, ее задние лапы избегают тех же предметов, что и передние, без помощи близлежащей пары глаз. "Четвероногие животные обладают памятью, которая позволяет их задним лапам отслеживать движения передних. Наша система работает аналогичным образом", - сказал Патхак. Встроенная память системы позволяет задним лапам запоминать то, что видела передняя камера, и маневрировать, чтобы избежать препятствий.

"Поскольку нет ни карты, ни планирования, наша система запоминает местность и то, как она перемещала переднюю ногу, и переводит это на заднюю ногу, делая это быстро и безупречно", - сказал Ашиш Кумар, аспирант из Беркли.

Это исследование может стать большим шагом на пути к решению существующих проблем, с которыми сталкиваются двуногие роботы, и внедрению их в дома людей. Статья "Передвижение на ногах в сложных условиях с использованием эгоцентрического видения", написанная Патаком, профессором Беркли Джитендрой Малик, Агарвалом и Кумаром, будет представлена на предстоящей конференции по обучению роботов в Окленде, Новая Зеландия.

Видео: https://youtu.be/N70CqROzwxI