Istraživači sa Fakulteta računalnih znanosti Sveučilišta Carnegie Mellon i Kalifornijskog sveučilišta Berkeley dizajnirali su robotski sustav koji jeftinom robotu s relativno malim nogama omogućuje da se penje i spušta stepenicama koje su blizu njegove visine, prelazi kamenite, skliske, neravne, strme i raznolik teren. Premostite provalije, ljuštite kamenje i rubnike, pa čak i radite u mraku.
"Dati malim robotima mogućnost da se penju stepenicama i snalaze se u različitim okruženjima ključno je za razvoj robota koji su korisni u domovima ljudi, kao i u operacijama potrage i spašavanja", rekao je Deepak Pathak, docent na Institutu za robotiku . Roboti koji mogu obavljati mnoge svakodnevne zadatke."
Tim je stavio robota na test, testirajući ga na neravnim stepenicama i obroncima u javnim parkovima, izazivajući ga da pređe preko stepenica i skliskih površina i tražeći od njega da se penje stepenicama jer je bio visok kao čovjek koji preskače prepreku. Robot se oslanja na svoju viziju i malo ugrađeno računalo kako bi se brzo prilagodio i savladao zahtjevan teren.
Istraživači su trenirali robote s 4000 klona u simulatoru, gdje su vježbali hodanje i penjanje po zahtjevnom terenu. Brzina simulatora omogućuje robotu da stekne šest godina iskustva u jednom danu. Simulator je također pohranio motoričke vještine naučene tijekom treninga u neuronsku mrežu, koju su istraživači replicirali na pravom robotu. Ovaj pristup ne zahtijeva nikakvo ručno projektiranje kretanja robota -- za razliku od tradicionalnih metoda.
Većina robotskih sustava koristi kamere za izradu karte svoje okoline i koristi tu kartu za planiranje kretanja prije izvršenja. Proces je spor, a problemi često nastaju zbog dvosmislenosti, netočnosti ili nesporazuma svojstvenih fazi mapiranja, što utječe na kasnije planiranje i kretanje. Mapiranje i planiranje korisni su u sustavima usmjerenim na kontrolu visoke razine, ali nisu uvijek prikladni za dinamičke zahtjeve vještina niske razine, poput hodanja ili trčanja po zahtjevnom terenu.
Novi sustav zaobilazi faze mapiranja i planiranja i izravno usmjerava vizualni unos u kontrolu robota. Ono što robot vidi određuje kako se kreće. Čak ni istraživači nisu precizirali kako bi se noge trebale kretati. Ova tehnologija omogućuje robotu da brzo reagira na nadolazeći teren i učinkovito se kreće kroz njega.
Budući da nije potrebno mapiranje ili planiranje, a za treniranje pokreta koristi se strojno učenje, sami roboti mogu biti jeftini. Robot koji je tim koristio najmanje je 25 puta jeftiniji od postojećih alternativa. Algoritam tima ima potencijal učiniti jeftine robote dostupnijima.
Ananye Agarwal, doktorandica strojnog učenja na SCS-u, rekla je: "Sustav koristi viziju i povratne informacije iz tijela izravno kao ulaz za izlazne naredbe motorima robota. Ova tehnika čini sustav vrlo robusnim u stvarnom svijetu. Ako posklizne na stepenicama, može se oporaviti. Može otići u nepoznato okruženje i prilagoditi se."
Ova izravna vizija kontrole biološki je inspirirana. Ljudi i životinje koriste vid za kretanje. Pokušajte trčati ili održavati ravnotežu zatvorenih očiju. Prethodno istraživanje tima pokazalo je da slijepi roboti (oni bez kamera) mogu osvojiti zahtjevne terene, ali dodavanje vizije i oslanjanje na nju može uvelike poboljšati sustav.
Tim je također tražio od prirode druge elemente sustava. Da bi se mali robot manji od jedne stope uspeo uz stepenice ili prepreke koje su blizu njegove visine, naučio je usvojiti pokrete koje ljudi koriste da bi prešli preko visokih prepreka. Kada osoba mora visoko podići noge da bi se popela na prečku ili prepreku, koristi kukove da pomakne noge s puta, što se naziva abdukcija i adukcija, što daje više prostora. Isto vrijedi i za robotski sustav koji je osmislio Pathakov tim, a koji koristi abdukciju kukova za prevladavanje prepreka koje koče neke od najnaprednijih nožnih robotskih sustava na tržištu.
Pokret stražnjih nogu četveronošca također je inspirirao tim. Kada se mačka kreće kroz prepreku, njezine stražnje noge izbjegavaju iste predmete kao i prednje noge, bez pomoći obližnjeg para očiju. "Četveronožne životinje imaju pamćenje koje omogućuje njihovim stražnjim nogama da prate prednje noge. Naš sustav radi na sličan način", rekao je Pathak. Ugrađena memorija sustava omogućuje stražnjim nogama da zapamte ono što prednja kamera vidi i manevriraju kako bi izbjegli prepreke.
"Budući da nema karte, nema planiranja, naš sustav pamti teren i kako pomiče svoje prednje noge, i pretvara to u svoje stražnje noge, i to tako brzo i savršeno," rekao je Ashish Kumar, Ph.D. student na Berkeleyju. Ovo bi istraživanje moglo biti veliki korak prema rješavanju postojećih izazova s nožnim robotima i njihovom dovođenju u domove ljudi.