Roboty humanoidalne uczą się wstawania

Naukowcy z University of Illinois Urbana-Champaign stworzyli system, który pomaga humanoidalnym robotom w stanie samodzielnie wstać po upadku.

Roboty humanoidalne, zaprojektowane ze strukturą podobną do człowieka, stają się coraz bardziej zdolne do obsługi zadań rzeczywistych, ponieważ postępy w algorytmach kontrolnych poprawiają ich prędkość i złożoność ruchu.Są jednak podatne na potknięcie lub zderzenie z przedmiotami, ponieważ chodzą i biegają na dwóch nogach, takich jak ludzie.W przeciwieństwie do ludzi, którzy mogą łatwo wstać po upadku, roboty te często walczą o wyzdrowienie bez pomocy zewnętrznej.

Naukowcy z University of Illinois Urbana-Champaign opracowali ramy uczenia maszynowego, umożliwiając humanoidalne roboty po autonomiczne upadek.Ramy mogą zwiększyć autonomię robota i wspierać ich szersze wdrożenie.

Zespół badawczy opracował ramy o nazwie HumanUp, który wykorzystuje uczenie się wzmocnienia (RL), aby pomóc humanoidalnym robotom w samodzielnym wstaniu, niezależnie od ich spadającej pozycji.

Poprzednie zastosowania uczenia się lokomocji humanoidalnej zakończyły się powodzeniem, ale zadanie wstania stanowi dodatkowe wyzwania ze względu na złożone wzorce kontaktowe.Dokładne modelowanie geometrii zderzenia i obsługi rzadkich nagród są niezbędne do skutecznego odzyskiwania.Podejście dwufazowe stosuje się w celu rozwiązania tych wyzwań po ustrukturyzowanym programie nauczania.

Humanup RL Framework działa na dwóch etapach.Pierwszy etap identyfikuje skuteczne trajektorie kończyn, które umożliwiają robota wstanie bez ścisłych ograniczeń dotyczących gładkości lub prędkości ruchu.

W drugim etapie framework udoskonalają początkowe ruchy, przekształcając je w płynne i kontrolowane ruchy, które robot może wykonać.Ruchy te pozostają skuteczne, niezależnie od pozycji robota lub terenu, w którym spada.

Naukowcy przetestowali humanip w symulacjach i ustawieniach w świecie rzeczywistym przy użyciu robota humanoidalnego Unitree G1, który rozwinął się robotyka Unitree.Ich wyniki były obiecujące, pokazując, że robot może autonomicznie odzyskać się od upadków, niezależnie od jego pozycji lub powierzchni pod nim.

Ramy opracowane przez zespół można udoskonalić i dostosować do innych humanoidalnych robotów, umożliwiając im autonomiczne powrót do zdrowia po upadku.Postęp ten może zwiększyć możliwości robota i wspierać ich szersze przyjęcie w rzeczywistym aplikacjach.