Il 19 gennaio è stato pubblicato su Science Robotics (“Science Robotics”), una rivista sussidiaria della principale rivista accademica internazionale Science (“Science”), un nuovo risultato del Politecnico federale di Zurigo. I ricercatori hanno lanciato un robot a quattro zampe simile a un cane che combina percezione esterna e percezione sensoriale per scalare una montagna di 120 metri in soli 31 minuti, quattro minuti più velocemente del tempo impiegato dagli esseri umani per camminare.

Le montagne sono spesso costituite da tratti ripidi di terreno scivoloso, gradini alti, ghiaia e sentieri boscosi pieni di radici di alberi. Robot dotati di gambe in grado di operare autonomamente in ambienti remoti e pericolosi aiuteranno gli esseri umani a esplorare le altitudini più elevate. zona sconosciuta.

La percezione esterna è fondamentale per una navigazione veloce ed efficiente dal punto di vista energetico e i robot che rilevano il terreno prima che tocchi il terreno possono pianificare e adattare l’andatura in anticipo per mantenere velocità e stabilità.

Un gruppo di ricerca guidato da Marco Hutter, professore di robotica presso il Robotics Systems Laboratory dell’ETH di Zurigo, in Svizzera, e ANYbotics, una sussidiaria della scuola, hanno lanciato un robot commerciale a quattro zampe, ANYmal, che può viaggiare attraverso diversi tipi di complessi terreno.

▲ Confronto di ANYmal e altri quadrobot sugli ostacoli

Link cartaceo: https://www.science.org/doi/10.1126/scirobotics.abk2822

1. Non fare affidamento sui sensori, giudica in modo indipendente la velocità

Per navigare su terreni difficili, esseri umani e animali combinano automaticamente la percezione visiva del loro ambiente con la propriocezione delle gambe e delle mani. Ciò consente loro di gestire facilmente terreni scivolosi o sconnessi e di muoversi più facilmente. Finora, tuttavia, i robot con le gambe sono stati in grado di farlo solo su scala limitata.

“Il motivo è che le informazioni sull’ambiente circostante registrate dai sensori laser e dalle telecamere sono spesso incomplete e ambigue”, spiega Takahiro Miki, uno studente di dottorato nel gruppo di ricerca di Hurt e autore principale dello studio.

La capacità dei robot di agire utilizzando la percezione esterna è una sfida importante con questa tecnologia. Innanzitutto, la neve, la vegetazione e le superfici d’acqua sulla montagna hanno un’elevata riflettività e il robot li percepirà come ostacoli che non può scavalcare o che scompaiono completamente; In secondo luogo, la visibilità è ridotta a causa della polvere o della nebbia sulla montagna oa causa del riflesso della luce e la vegetazione oscura i sensori sul robot, ciò potrebbe causare una ridotta percezione del sensore.

Influenzata da questi fattori, la soluzione più comune al movimento delle gambe del robot è la propriocezione, che ne limita fortemente anche la velocità di movimento, perché il robot deve prima sentire il terreno e poi regolare la sua andatura.

“Ecco perché un robot come ANYmal dovrebbe essere in grado di decidere da solo quando fidarsi della propria percezione visiva dell’ambiente e muoversi rapidamente, e quando è meglio procedere con cautela e fare piccoli passi”, afferma Takahiro Miki.

▲ Quali scale sono salite

2. Il controller evita rapidamente gli ostacoli e si sposta in avanti di oltre 4 metri in 10 secondi

La soluzione più generale proposta dal gruppo di ricerca guidato da Hurt combina le sensazioni esterne ed energetiche dei movimenti delle gambe del robot. I ricercatori hanno sviluppato un controller di movimento con gambe veloci e altamente resistenti utilizzando un codificatore ripetitivo basato sull’attenzione. L’encoder può integrare input sensoriali ed esterni ed essere addestrato end-to-end, consentendo al robot di imparare senza problemi a combinare diversi metodi percettivi.

“I robot hanno imparato a combinare la percezione visiva del loro ambiente con la propriocezione o il tocco basato sul contatto diretto delle gambe. Ciò consente loro di navigare su terreni accidentati più velocemente, in modo più efficiente e, soprattutto, più robusto”. In futuro, ANYmal potrebbe essere utilizzato ovunque sia troppo pericoloso per gli esseri umani o di difficile accesso per altri robot, ha affermato Hurt.

Prima che il robot potesse effettivamente operare nel mondo reale, gli scienziati hanno posto diversi ostacoli davanti al robot a quattro zampe in un campo di addestramento virtuale, in modo che potesse trovare il modo perfetto per superare molti ostacoli e quando e quando poteva fare affidamento su dati ambientali. Questi dati possono essere ignorati.

“È importante valutare la percezione esterna del robot negli esperimenti”, ha affermato Hurt. I ricercatori hanno anche confrontato le percentuali di successo del comportamento del robot su vari gradini e terreni di scale in ulteriori esperimenti di simulazione per valutarne ulteriormente quantitativamente le prestazioni.

▲ ANYmal sale le scale

Durante la valutazione, i ricercatori hanno impartito al robot un comando di velocità di avanzamento costante di 0,7 m/s per 10 secondi e hanno raccolto 300 dati sperimentali per calcolare la percentuale di successo. Il criterio di successo per l’esperimento è se la distanza di movimento del robot supera i 4 metri. I risultati dello studio mostrano che le prestazioni della console di questo robot quad sono molto migliori rispetto alla linea di base e può attraversare più tipi di intervalli di terreno.

▲ ANYmal rispetto ad altri verbi robot

3. Modello di formazione insegnante + studente, ambiente di formazione iterativa 1000

Il team di ricerca ha anche utilizzato un modello insegnante-studente per addestrare il robot. Durante l’allenamento, Hurt ha impostato la frequenza di controllo della politica delle informazioni su 50 Hz e ha raccolto i dati sulla traiettoria per 250 periodi di tempo per ambiente per formare un’iterazione di addestramento. Hanno quindi messo in parallelo gli ambienti simulati per eseguire l’addestramento su 1.000 ambienti contemporaneamente.

Per il modello dell’insegnante, i ricercatori hanno utilizzato un algoritmo PPO di apprendimento per rinforzo profondo, che può misurare efficacemente la dimensione del passo del robot. Prima di raggruppare le osservazioni, le normalizzano utilizzando la media mobile e la deviazione standard e i diversi esperimenti vengono aggiornati in modo significativo ad ogni sessione di allenamento.

Per quanto riguarda il modello studente, Hurt ha affermato: “Abbiamo generalizzato a 300 ambienti e combinato le tracce per 400 periodi di tempo per una singola ripetizione dell’allenamento”. E durante l’addestramento del modello dello studente, gli esperimenti sono stati condotti senza un elevato grado di rumore del campione.

“Attraverso questo addestramento, il robot è in grado di dominare il terreno naturale più difficile in situazioni che non ha mai visto prima”, ha affermato Hurt. “Questo funziona anche quando i dati dei sensori nell’ambiente circostante sono ambigui o ambigui”.

▲ Confronto di ANYmal e altri robot Quad per evitare ostacoli

Secondo Hurt, ANYmal farà affidamento sul suo senso sensoriale per operare in sicurezza, in modo che le procedure robotiche abbiano il meglio di entrambi i mondi, combinando la velocità e l’efficienza della percezione esterna e la sicurezza della propriocezione.

Conclusione: i robot possono aiutare gli esseri umani a esplorare regioni sconosciute

In scenari applicativi pratici, ANYmal può superare automaticamente e rapidamente vari ostacoli e terreni difficili esplorando in modo indipendente gallerie strette, grotte e sistemi di infrastrutture urbane.

Le capacità del robot e l’evitare gli ostacoli veloci sono ulteriormente migliorate.In futuro, varie condizioni estreme, come dopo un terremoto, dopo un disastro nucleare o durante un incendio boschivo, sono molto pericolose per l’uomo e in altri luoghi in cui i robot non possono gestire le difficoltà. I terreni, come robot come ANYmal, possono tornare utili.

Negli ultimi anni, il campo di applicazione della ricerca robotica è stato continuamente ampliato. La combinazione di tecniche di esosensing e di rilevamento estrinseco nel lavoro robotico risolve molti problemi di movimento del robot. In futuro, gli scenari per l’esplorazione e l’applicazione di questo campo in aree sconosciute dell’uomo potrebbero essere ampliati.

roba intelligente (numero pubblico: zhidxcom)

raccogliere | Cheng Qian

Modifica | Panken