
На колёсах и пешком: робот преодолевает ступени и ездит быстрее всех
Исследователи из Лаборатории роботизированных систем ETH Zurich, Швейцария, представили новую конструкцию робота, которая сочетает в себе возможности устройств и на колёсах, и на и ножках. Устройство ориентируется и приспосабливается к местности, используя различные методы обучения с подкреплением, которые позволяют ему переключаться между режимами езды и ходьбы.
Соавтор робототехнического проекта Джунхо Ли объяснил, что основной целью было создать самого скоростного наземного робота за всю историю отрасли. Достижение стало результатом более чем пятилетних исследований.
Роботизированная система, разработанная Ли и его коллегами, основана на «дуэте» CERBERUS из летающего дрона и шагающего робота, созданном дугой швейцарской компанией, Flyability. Однако, в отличие от наземной части CERBERUS, концепция от ETH Zurich проще по конструкции, зато совершеннее в плане навигации на базе искусственного интеллекта (ИИ).
Джунхо Ли объяснил, что традиционно планирование навигации для наземных роботов осуществлялось с помощью онлайн-составляющей. И такой подход прекрасно работает для простых колёсных или ходячих роботов. Но в случае с быстроходными устройствами построить маршрут непросто. А робот от ETH Zurich как раз такой, поскольку развивает скорость до 20 км/ч. Для роботов, движущихся со скоростью даже 2 м/с, то есть 7,2 км/ч, задержка в 0,5 секунды может привести к ошибке в 1 м, то есть закончиться столкновением.

Чтобы скоростной робот ориентировался автономно, исследователи обдумывали различные методы иерархического обучения с подкреплением. В конечном итоге они обучили контроллер на основе нейросети, который может обрабатывать различные типы вводных, создавая новые навигационные планы для робота в течение миллисекунд.
Ещё одним большим преимуществом такого подхода стало то, что контроллер нейросети полностью понимает нелинейную и сложную динамику роботов на ножках. Поскольку ИИ распознаёт, как робот ведёт себя на различных участках местности с разной скоростью, он может очень эффективно управлять устройством.
На ровной местности, по которой легко передвигаться, робот ETH Zurich едет вперёд, используя лишь свои колёса, что сводит энергопотребление к минимуму. На более сложной местности, например, на ступеньках, робот может переключаться в режим ходьбы.
Контроллер на основе нейросети, разработанный и обученный Ли с коллегами, может обрабатывать сенсорные данные, чтобы определить наиболее эффективный способ передвижения по определённой местности. Это позволяет эффективно сочетать сильные стороны обычных роботов на колёсах с преимуществами роботов на ножках.
Ли сказал, что колёсные роботы эффективны, но не могут преодолевать существенные препятствия. А роботы на ножках очень хороши в преодолении препятствий и крутых склонов, но потребляют много энергии, потому что им приходится приводить в движение более 10 суставов. Обычно шагающие роботы могут работать не более 1 часа. С колёсиками и способностью раскорячиваться робот ETH Zurich может преодолевать те же препятствия, что и обычные шагающие роботы.
Контроллер, разработанный Ли и его коллегами, не использует классические методы планирования и управления на основе моделей. Примечательно, что эти традиционные методы часто оказывались неэффективными в реальных условиях, с их неопределённостью и случайными препятствиями.

Вместо этого новый контроллер управляется двумя нейронными сетями. Они обрабатывают данные от встроенных датчиков, запускают подходящие движения при ходьбе и решают, в каком направлении колесить.
Для обучения навигатора робототехники создали специальную среду моделирования, которая напоминает компьютерную игру. Программное обеспечение автоматически генерирует новые «этапы» для контроллера навигации с различными сложными ландшафтами и преградами. После нескольких часов обучения получились очень надёжные и универсальные контроллеры нейросети, которые могут работать на любой пересечённой местности и в условиях, похожих на лабиринты.
Ещё одно преимущество навигационной системы робота — её относительная простота. Одна из двух нейронных сетей, на которые она опирается, фокусируется на планировании движений при ходьбе, в то время как другая фокусируется на общей навигации. В контроллер также входят базовые модули картографирования местности и SLAM (одновременная локализация и картографирование).
Ли уверяет, что это самая простая конструкция навигационной системы из всех ему знакомых.
— Джунхо Ли, соавтор робототехнического проекта.
Ли с коллегами испытали получившуюся систему в реальных условиях. И обнаружили, что робот хорошо реагирует на обстановку, с высокой производительностью, поскольку успешно преодолел более 10 км по двум разным европейским городам, Цюриху и Севилье.
В будущем коллектив изобретателей будет совершенствовать своего колёсного робота и его навигационную систему для использования в различных условиях. Они видят своё устройство в роли доставщика товаров. А для этого недостаточно ориентироваться лишь по геометрии пространства. Например, важны также влажность дороги, разница между тротуаром и травой на обочинах, горит ли красный сигнал светофора и многое другое.
Соавтор робототехнического проекта Джунхо Ли объяснил, что основной целью было создать самого скоростного наземного робота за всю историю отрасли. Достижение стало результатом более чем пятилетних исследований.
Роботизированная система, разработанная Ли и его коллегами, основана на «дуэте» CERBERUS из летающего дрона и шагающего робота, созданном дугой швейцарской компанией, Flyability. Однако, в отличие от наземной части CERBERUS, концепция от ETH Zurich проще по конструкции, зато совершеннее в плане навигации на базе искусственного интеллекта (ИИ).
Джунхо Ли объяснил, что традиционно планирование навигации для наземных роботов осуществлялось с помощью онлайн-составляющей. И такой подход прекрасно работает для простых колёсных или ходячих роботов. Но в случае с быстроходными устройствами построить маршрут непросто. А робот от ETH Zurich как раз такой, поскольку развивает скорость до 20 км/ч. Для роботов, движущихся со скоростью даже 2 м/с, то есть 7,2 км/ч, задержка в 0,5 секунды может привести к ошибке в 1 м, то есть закончиться столкновением.

Чтобы скоростной робот ориентировался автономно, исследователи обдумывали различные методы иерархического обучения с подкреплением. В конечном итоге они обучили контроллер на основе нейросети, который может обрабатывать различные типы вводных, создавая новые навигационные планы для робота в течение миллисекунд.
Ещё одним большим преимуществом такого подхода стало то, что контроллер нейросети полностью понимает нелинейную и сложную динамику роботов на ножках. Поскольку ИИ распознаёт, как робот ведёт себя на различных участках местности с разной скоростью, он может очень эффективно управлять устройством.
На ровной местности, по которой легко передвигаться, робот ETH Zurich едет вперёд, используя лишь свои колёса, что сводит энергопотребление к минимуму. На более сложной местности, например, на ступеньках, робот может переключаться в режим ходьбы.
Контроллер на основе нейросети, разработанный и обученный Ли с коллегами, может обрабатывать сенсорные данные, чтобы определить наиболее эффективный способ передвижения по определённой местности. Это позволяет эффективно сочетать сильные стороны обычных роботов на колёсах с преимуществами роботов на ножках.
Ли сказал, что колёсные роботы эффективны, но не могут преодолевать существенные препятствия. А роботы на ножках очень хороши в преодолении препятствий и крутых склонов, но потребляют много энергии, потому что им приходится приводить в движение более 10 суставов. Обычно шагающие роботы могут работать не более 1 часа. С колёсиками и способностью раскорячиваться робот ETH Zurich может преодолевать те же препятствия, что и обычные шагающие роботы.
Контроллер, разработанный Ли и его коллегами, не использует классические методы планирования и управления на основе моделей. Примечательно, что эти традиционные методы часто оказывались неэффективными в реальных условиях, с их неопределённостью и случайными препятствиями.

Вместо этого новый контроллер управляется двумя нейронными сетями. Они обрабатывают данные от встроенных датчиков, запускают подходящие движения при ходьбе и решают, в каком направлении колесить.
Для обучения навигатора робототехники создали специальную среду моделирования, которая напоминает компьютерную игру. Программное обеспечение автоматически генерирует новые «этапы» для контроллера навигации с различными сложными ландшафтами и преградами. После нескольких часов обучения получились очень надёжные и универсальные контроллеры нейросети, которые могут работать на любой пересечённой местности и в условиях, похожих на лабиринты.
Ещё одно преимущество навигационной системы робота — её относительная простота. Одна из двух нейронных сетей, на которые она опирается, фокусируется на планировании движений при ходьбе, в то время как другая фокусируется на общей навигации. В контроллер также входят базовые модули картографирования местности и SLAM (одновременная локализация и картографирование).
Ли уверяет, что это самая простая конструкция навигационной системы из всех ему знакомых.
Фактически мы потратили на создание непосредственно навигационной системы меньше года
— Джунхо Ли, соавтор робототехнического проекта.
Ли с коллегами испытали получившуюся систему в реальных условиях. И обнаружили, что робот хорошо реагирует на обстановку, с высокой производительностью, поскольку успешно преодолел более 10 км по двум разным европейским городам, Цюриху и Севилье.
В будущем коллектив изобретателей будет совершенствовать своего колёсного робота и его навигационную систему для использования в различных условиях. Они видят своё устройство в роли доставщика товаров. А для этого недостаточно ориентироваться лишь по геометрии пространства. Например, важны также влажность дороги, разница между тротуаром и травой на обочинах, горит ли красный сигнал светофора и многое другое.
- Дмитрий Ладыгин
- youtu.be/VRKhughVJBo; techxplore.com
Наши новостные каналы
Подписывайтесь и будьте в курсе свежих новостей и важнейших событиях дня.
Рекомендуем для вас

Вот уже 17 лет власти Египта запрещают археологам исследовать легендарный Лабиринт
Что скрывает Египет: библиотеку Атлантиды или доказательства переписывания истории?...

Тайна пиратского корабля за 138 миллионов долларов раскрыта у берегов Мадагаскара
Шторм, предательство, тонны золота: Как капитан Стервятник похитил сокровища португальской короны....

Третий гость из бездны: NASA официально подтвердило межзвездное происхождение объекта 3I/ATLAS
Скорость в 245 000 км/ч! Астрофизики говорят, гость «прострелит» Солнечную систему как пуля....

Воскрешение монстра: Colossal возвращает к жизни 3,6-метровую птицу-убийцу моа!
Сможет ли 230-килограммовый гигант из Новой Зеландии выжить среди людей?...

«Богатые тоже плачут»: США открыли «новую эру энергетики» — 800 часов в год без света!
Штаты хвастались ИИ, а электросети «горят» даже от чат-ботов… Россия тем временем запускает термояд....

Эксперты бьют тревогу: Таяние ледников разбудит вулканы по всему миру
Цепная реакция извержений прокатится от Антарктиды до Камчатки. Выбросы пепла и CO2 сделают климат невыносимым....