Un cane robotico può salire le scale, camminare nei boschi e restare legato ai tronchi grazie a una nuova e veloce tecnica di addestramento basata sull’intelligenza artificiale.
Il robot a quattro zampe ha imparato a cambiare il suo schema di corsa mentre si sposta attraverso foreste, scale e ostacoli. – passaggio senza soluzione di continuità tra un trotto costante e una camminata veloce senza istruzioni da parte di un operatore umano.
Il robot da 45 chilogrammi, chiamato KAIST HUND, utilizza telecamere e lidar scansiona il mondo davanti a te, quindi scegli la mossa giusta e regola i tuoi movimenti in tempo reale. Nei test all’aperto, ha attraversato un sentiero del campus universitario di 1,1 km e un sentiero nel bosco di 0,3 km pieno di radici scivolose, tronchi e foglie.
I ricercatori hanno descritto la struttura robotica il 15 luglio sulla rivista Robotica per la scienza.
Cambiare il flusso
Gli animali cambiano naturalmente i loro movimenti a seconda della velocità e dell’ambiente che li circonda. Un cane può camminare con cautela su un terreno irregolare, Per esempioprima di saltare su un ramo caduto. Riprodurre questa flessibilità nei robot è complicato perché movimenti diversi sono spesso controllati da sistemi di codifica diversi e altamente specializzati e il passaggio da uno all’altro può causare ritardi che fanno inciampare il robot.
Per superare questo problema, i ricercatori hanno sviluppato uno speciale quadro di formazione chiamato apprendimento di rinforzo basato su trasformatore preaddestrato (APT-RL). Si tratta di un programma di formazione sull’intelligenza artificiale (AI) che inizia con l’apprendimento di molti esempi di azioni, utilizza un convertitore per comprendere i modelli attraverso tali azioni e quindi progredisce attraverso ricompense e punizioni.
La formazione è iniziata con un semplice modello computerizzato bidimensionale del robot. Utilizzando l’ottimizzazione della traiettoria, un metodo per calcolare i movimenti utilizzabili del robot, il team ha eseguito una breve sequenza di 180.000 passeggiate e torsioni, comprese le forze congiunte necessarie per il funzionamento delle gambe del robot. Il set di dati rappresenta circa 15,5 ore di movimento, ma la sua generazione ha richiesto solo circa otto minuti.
Nel mezzo per rafforzare l’apprendimento – un metodo di apprendimento automatico in cui l’IA impara a prendere le decisioni migliori interagendo con un determinato ambiente attraverso tentativi ed errori – il sistema AI impara quindi a selezionare e modificare tali abilità mentre affronta scale simulate, trampolini di lancio, ostacoli, spazi vuoti e terreno accidentato.
Ricevi le scoperte più interessanti del mondo direttamente nella tua casella di posta.
Nelle misurazioni digitali, il cane robot non era perfetto nel copiare i movimenti registrati. Può anche apportare correzioni per lo spazio tridimensionale e situazioni imprevedibili, come l’attraversamento dei tronchi, comportamento che non è stato catturato nei dati di addestramento originali di basso livello.
Un robot quadrupede KAIST HUND vaga per un’area boschiva
Infine, i ricercatori hanno configurato il sistema per includere nella simulazione una telecamera robotica di profondità e uno scanner lidar.
In un test indoor, l’HUND ha attraversato un ostacolo alto 60 cm raggiungendo brevemente la velocità di 15 km/h. Salta anche la scala a tre gradini. Il robot solitamente preferisce muoversi a bassa velocità su terreni irregolari, mentre l’impegnatura aumenta sensibilmente ad alta velocità o quando incontra gradini, ostacoli o varchi di grandi dimensioni. Un sistema di intelligenza artificiale in grado di scegliere qualsiasi forma di movimento eseguita in modo coerente in diversi ambienti simulati rispetto a una versione limitata al movimento o al legame stesso.
I ricercatori suggeriscono che la tecnologia potrebbe aiutare i robot a navigare aree disastrate o altri luoghi inaccessibili alle macchine su ruote. Tuttavia, il quadro attuale consente solo due opzioni di movimento e gestisce principalmente il movimento in avanti. Le svolte rapide, i movimenti laterali e altri comportamenti simili al gattonamento rimangono gli obiettivi futuri del gruppo di ricerca.
