Blog

Przed poruszającymi się samodzielnie robotami kroczącymi naukowcy stawiają coraz większe wymagania.

Aby uzyskać większą funkcjonalność muszą one mieć możliwość samodzielnego dostosowania się do zmieniających się powierzchni, po których mają się poruszać, odpowiednio reagować na wielkość i wagę przedmiotów, które muszą przenieść oraz do warunków zewnętrznych, w jakich się znajdą — również wówczas, jeśli nigdy wcześniej nie były narażone na takie warunki. Na dodatek dla uniknięcia upadków i ewentualnych uszkodzeń muszą dostosowywać się do zmieniających się warunków w ułamkach sekundy.

Na początku lipca br. naukowcy z Facebook AI, UC Berkeley i Carnegie Mellon University’s School of Computer Science zaprezentowali Rapid Motor Adaptation (RMA) – technikę sztucznej inteligencji (AI), która umożliwia robotom poruszającym się na nogach szybkie przystosowanie się do zmieniających się warunków w świecie rzeczywistym. Do niedawna roboty tego typu były albo kodowane całkowicie ręcznie pod kątem środowisk, w których będą przebywać, albo „nauczono” je eksplorować swoje otoczenie poprzez kombinację ręcznego kodowania i technik uczenia się. RMA jest pierwszym systemem całkowicie opartym na uczeniu się, który umożliwia robotowi poruszającemu się na nogach przystosowanie się do środowiska od podstaw poprzez nawigację i interakcję ze światem zewnętrznym.

„Symulacje komputerowe raczej nie uchwycą wszystkiego. Nasz robot z obsługą RMA wykazuje dużą zdolność adaptacji do wcześniej niewidzianych środowisk. Wchodzi w interakcję z otoczeniem i reaguje na podstawie zdobytego doświadczenia. To nowość” – powiedział główny autor Ashish Kumar, doktorant Uniwersytetu Kalifornijskiego w Berkeley.
Podstawowy program dla robota jest wypracowywany podczas symulacji, przy użyciu starannie dobranych informacji (takich jak siła tarcia podłoża czy waga i kształt ładunku). Programowane są różne zmienne, symulując bardziej lub mniej śliskie podłoże czy kąt jego nachylenia, dzięki czemu robot uczy się właściwych elementów sterujących dla różnych warunków, a informacje o tych zmiennych kodowane są jako „elementy zewnętrzne”. Aby robot był w stanie dostosować się do rzeczywistych, trudnych wcześniej do przewidzenia elementów zewnętrznych, jakie napotka w prawdziwym świecie, jego praca opiera się na analizie informacji o ostatnim ruchu ciała. Na przykład rzeczywisty ruch stawu może być różny od ruchu zaprogramowanego a nagłe zablokowanie nóg robota powoduje nie tylko ich zatrzymanie, ale także ujawnia informacje o poziomie gruntu wokół niego. Podobnie na miękkiej powierzchni noga wysunie się dalej, gdy stopa zapadnie się w podłoże, podczas gdy na twardej powierzchni zatrzyma się szybciej.

We wszystkich przeprowadzonych próbach robot testowy dowiódł zdolności do poruszania się po piasku, błocie, pokonywania szlaków turystycznych, przemieszczania się w wysokiej trawie i po zwałach ziemi. Z powodzeniem schodził po schodach wzdłuż szlaku turystycznego (w 70 procentach prób), pokonywał stos cementu i kamyków (w 80 procentach prób) mimo, że wcześniej nie testował niestabilnego lub zapadającego się podłoża, blokującej go roślinności ani koniecznych do pokonania stopni. Testowy robot zachowywał swą zdolność do przenoszenia ładunku o wadze nawet 12 kg, co stanowiło 100 procent jego masy ciała.

(raj)
Źródła: Facebook AI Research (FAIR). Berkeley AI Research (BAIR).