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.