14/11/2022
Door Liam
Onderzoekers van de Carnegie Mellon University's School of Computer Science en de University of California, Berkeley, hebben een klein betaalbaar robotsysteem met poten ontwikkeld dat uit de voeten kan met rotsachtige en gladde ondergronden, steile hellingen beklimt of afdaalt, maar ook trappen en stoepranden overwint, zelfs in het donker.
"Kleine robots in staat stellen trappen te beklimmen en met uiteenlopende omgevingen om te gaan, is van cruciaal belang voor de ontwikkeling van robots die nuttig zullen zijn in de huizen van mensen en bij zoek- en reddingsoperaties," aldus Deepak Pathak, assistent-professor aan het Robotics Institute. "Dit systeem creëert een robuuste en aanpasbare robot die veel alledaagse taken kan uitvoeren."
Het team heeft de robot aan de tand gevoeld door hem te testen op ongelijke trappen en hellingen in openbare parken, hem uit te dagen over stapstenen en gladde oppervlakken te lopen, en hem te vragen trappen te beklimmen die voor zijn lengte vergelijkbaar zijn met een mens die over een hindernis springt. De robot past zich snel aan en beheerst uitdagend terrein door te vertrouwen op zijn gezichtsvermogen en een kleine boordcomputer.
De onderzoekers trainden de robot met 4.000 klonen ervan in een simulator, waar ze het lopen en klimmen op moeilijk terrein oefenden. Dankzij de snelheid van de simulator kon de robot in één dag zes jaar ervaring opdoen. De simulator sloeg de motorische vaardigheden die hij tijdens de training leerde ook op in een neuraal netwerk dat de onderzoekers kopieerden naar de echte robot. Deze aanpak vereiste geen handmatige engineering van de bewegingen van de robot - een afwijking van de traditionele methoden.
De meeste robotsystemen gebruiken camera's om een kaart van de omgeving te maken en gebruiken die kaart om bewegingen te plannen alvorens ze uit te voeren. Het proces is traag en kan vaak haperen door inherente vaagheid, onnauwkeurigheden of misvattingen in de kaartfase die de daaropvolgende planning en bewegingen beïnvloeden. Mapping en planning zijn nuttig in systemen die gericht zijn op besturing op hoog niveau, maar zijn niet altijd geschikt voor de dynamische vereisten van vaardigheden op laag niveau, zoals lopen of rennen over uitdagend terrein.
Het nieuwe systeem omzeilt de fasen van kartering en planning en stuurt de input van het zicht rechtstreeks naar de besturing van de robot. Wat de robot ziet, bepaalt hoe hij beweegt. Zelfs de onderzoekers specificeren niet hoe de benen moeten bewegen. Dankzij deze techniek kan de robot snel reageren op aankomend terrein en zich er effectief doorheen bewegen.
Omdat er geen mapping of planning aan te pas komt en de bewegingen worden getraind met behulp van machine learning, kan de robot zelf goedkoop zijn. De robot die het team gebruikte was minstens 25 keer goedkoper dan beschikbare alternatieven. Het algoritme van het team heeft het potentieel om goedkope robots veel breder beschikbaar te maken.
"Dit systeem gebruikt visie en feedback van het lichaam direct als input om opdrachten te geven aan de motoren van de robot", aldus Ananye Agarwal, een SCS-promovendus in machine learning. "Dankzij deze techniek is het systeem zeer robuust in de echte wereld. Als het uitglijdt op een trap, kan het zich herstellen. Het kan zich in onbekende omgevingen begeven en zich aanpassen."
Dit directe vision-to-control aspect is biologisch geïnspireerd. Mensen en dieren gebruiken zicht om te bewegen. Probeer maar eens te rennen of te balanceren met je ogen dicht. Eerder onderzoek van het team had aangetoond dat blinde robots - robots zonder camera's - uitdagend terrein kunnen bedwingen, maar het toevoegen van visie en het vertrouwen op die visie verbetert het systeem aanzienlijk.
Het team keek ook naar de natuur voor andere elementen van het systeem. Om een kleine robot - in dit geval minder dan een meter hoog - trappen of obstakels van bijna zijn lengte te laten beklimmen, leerde hij de beweging over te nemen die mensen gebruiken om over hoge obstakels te stappen. Wanneer een mens zijn been hoog moet optillen om een richel of hindernis te beklimmen, gebruikt hij zijn heupen om zijn been opzij te bewegen, abductie en adductie genoemd, waardoor hij meer ruimte krijgt. Het robotsysteem dat Pathak's team ontwierp, doet hetzelfde en gebruikt heupabductie om obstakels te overwinnen die sommige van de meest geavanceerde robotsystemen met poten op de markt doen struikelen.
De beweging van de achterpoten van viervoeters inspireerde het team ook. Wanneer een kat zich door obstakels beweegt, vermijden zijn achterpoten dezelfde voorwerpen als zijn voorpoten, zonder het voordeel van een paar ogen in de buurt. "Vierpotige dieren hebben een geheugen waarmee hun achterpoten de voorpoten kunnen volgen. Ons systeem werkt op dezelfde manier", aldus Pathak. Het ingebouwde geheugen van het systeem zorgt ervoor dat de achterpoten onthouden wat de camera vooraan zag en manoeuvreren om obstakels te vermijden.
"Omdat er geen kaart is, geen planning, onthoudt ons systeem het terrein en hoe het de voorpoot bewoog en vertaalt dit naar de achterpoot, en doet dit snel en foutloos," zei Ashish Kumar, een promovendus aan Berkeley.
Het onderzoek kan een grote stap zijn in de richting van het oplossen van bestaande problemen met robots op poten en het bij de mensen thuis brengen van deze robots. Het artikel "Legged Locomotion in Challenging Terrains Using Egocentric Vision," geschreven door Pathak, Berkeley professor Jitendra Malik, Agarwal en Kumar, zal worden gepresenteerd op de komende conferentie over het leren van robots in Auckland, Nieuw Zeeland.