Onderzoekers van de School of Computer Science van Carnegie Mellon University en de University of California, Berkeley hebben een robotsysteem ontworpen waarmee een goedkope robot met relatief kleine benen trappen kan beklimmen en afdalen in de buurt van zijn hoogte, rotsachtig, glad, ongelijk, steil kan doorkruisen en gevarieerd terrein. Overbrug kloven, pel stenen en stoepranden en werk zelfs in het donker.
"Kleine robots de mogelijkheid geven om trappen te beklimmen en verschillende omgevingen aan te kunnen, is van cruciaal belang voor het ontwikkelen van robots die nuttig zijn bij mensen thuis, maar ook bij zoek- en reddingsoperaties", zegt Deepak Pathak, een assistent-professor aan het Robotics Institute . Robots die veel dagelijkse taken kunnen uitvoeren."
Het team testte de robot op ongelijke trappen en hellingen in openbare parken, daagde hem uit om over stapstenen en gladde oppervlakken te stappen en vroeg hem trappen op te gaan omdat hij zo groot was als een mens die over een obstakel springt. De robot vertrouwt op zijn visie en een kleine boordcomputer om zich snel aan te passen en uitdagend terrein te beheersen.
De onderzoekers trainden de robots met 4,000 klonen in een simulator, waar ze het lopen en klimmen op uitdagend terrein oefenden. Door de snelheid van de simulator kan de robot in één dag zes jaar ervaring opdoen. De simulator sloeg ook de tijdens de training geleerde motorische vaardigheden op in het neurale netwerk, die de onderzoekers repliceerden op de echte robot. Deze aanpak vereist geen handmatige engineering van de beweging van de robot -- in tegenstelling tot traditionele methoden.
De meeste robotsystemen gebruiken camera's om een kaart van hun omgeving te maken en gebruiken deze kaart om bewegingen te plannen voordat ze worden uitgevoerd. Het proces is traag en er ontstaan vaak problemen als gevolg van dubbelzinnigheid, onnauwkeurigheden of misverstanden die inherent zijn aan de mappingfase, wat van invloed is op latere planning en verplaatsing. In kaart brengen en plannen zijn handig in systemen die gericht zijn op controle op hoog niveau, maar zijn niet altijd geschikt voor de dynamische eisen van vaardigheden op laag niveau, zoals lopen of rennen op uitdagend terrein.
Het nieuwe systeem omzeilt de mapping- en planningsfasen en stuurt visuele input rechtstreeks naar de besturing van de robot. Wat de robot ziet, bepaalt hoe hij beweegt. Zelfs de onderzoekers specificeerden niet hoe de benen zouden moeten bewegen. Met deze technologie kan de robot snel reageren op tegemoetkomend terrein en er efficiënt doorheen bewegen.
Omdat er geen mapping of planning nodig is en machine learning wordt gebruikt om bewegingen te trainen, kunnen de robots zelf goedkoop zijn. De robot die het team gebruikte, is minstens 25 keer goedkoper dan bestaande alternatieven. Het algoritme van het team heeft het potentieel om goedkope robots op grotere schaal beschikbaar te maken.
Ananye Agarwal, een promovendus in machine learning bij SCS, zei: "Het systeem gebruikt visie en feedback van het lichaam rechtstreeks als input om commando's uit te voeren naar de motoren van de robot. Deze techniek maakt het systeem zeer robuust in de echte wereld. Als het uitglijdt op de trap kan het herstellen. Het kan onbekende omgevingen betreden en zich aanpassen."
Deze directe visie op controle is biologisch geïnspireerd. Mensen en dieren gebruiken visie om te bewegen. Probeer te rennen of balanceren met je ogen dicht. Eerder onderzoek van het team heeft aangetoond dat blinde robots (die zonder camera's) uitdagend terrein kunnen overwinnen, maar het toevoegen van visie en erop vertrouwen kan het systeem aanzienlijk verbeteren.
Het team keek ook naar de natuur voor andere elementen van het systeem. Voor een kleine robot van minder dan een voet lang om trappen of obstakels dichtbij zijn hoogte te beklimmen, leerde hij de bewegingen over te nemen die mensen gebruiken om over hoge obstakels te stappen. Wanneer een persoon zijn benen hoog moet optillen om een sport of obstakel te beklimmen, gebruikt het de heupen om de benen uit de weg te bewegen, abductie en adductie genoemd, waardoor het meer ruimte krijgt. Hetzelfde geldt voor het robotsysteem dat is ontworpen door het team van Pathak, dat heupabductie gebruikt om obstakels te overwinnen die enkele van de meest geavanceerde robotsystemen met poten op de markt tegenhouden.
Ook de beweging van de achterpoten van de viervoeter inspireerde het team. Wanneer een kat door een obstakel beweegt, ontwijken zijn achterpoten dezelfde objecten als zijn voorpoten, zonder de hulp van een paar ogen in de buurt. "Vierpotige dieren hebben een geheugen waardoor hun achterpoten hun voorpoten kunnen volgen. Ons systeem werkt op een vergelijkbare manier," zei Pathak. Dankzij het ingebouwde geheugen van het systeem kunnen de achterpoten onthouden wat de camera aan de voorkant ziet en manoeuvreren om obstakels te vermijden.
"Omdat er geen kaart is, geen planning, onthoudt ons systeem het terrein en hoe het zijn voorpoten beweegt, en zet dat om in zijn achterpoten, en doet het zo snel en perfect", zegt Ashish Kumar, een Ph.D. student aan Berkeley. Dit onderzoek zou een grote stap kunnen zijn in de richting van het oplossen van bestaande uitdagingen met legged robots en deze bij mensen thuis brengen.