Робот с защитой от спотыканий адаптируется к сложной местности в режиме реального времени
Роботам сложно импровизировать, а столкновение с необычной поверхностью или препятствием обычно означает резкую остановку или резкое падение. Но исследователи создали новую модель передвижения робота, которая адаптируется в реальном времени к любой местности, с которой он сталкивается, изменяя свою походку на ходу, чтобы продолжать движение при столкновении с песком, камнями, лестницей и другими внезапными изменениями.
Хотя движение робота может быть универсальным и точным, он может научиться подниматься по ступенькам и проходить пересеченную местность, такое поведение больше похоже на индивидуальные тренированные навыки, между которыми робот переключается. Известные роботы, такие как Spot, могут отпрыгивать от толчков или ударов ногами.
На самом деле система просто работает, чтобы исправить физическую аномалию, придерживаясь неизменной политики ходьбы. Есть несколько моделей адаптивных движений, но некоторые из них очень специфичны, а другим требуется достаточно времени для работы, поэтому робот обязательно упадет к тому времени, когда они вступят в силу.
Команда из Facebook AI, Калифорнийского университета Беркли и Университета Карнеги-Меллона назвала систему Rapid Motor Adaptation. Ее создали из-за того, что люди и животные могут быстро, эффективно и неосознанно менять свою походку в зависимости от обстоятельств.
«Допустим, вы учитесь ходить и впервые идете на пляж. Ваша нога опускается, и, чтобы вытащить ее, вам нужно приложить больше силы. Это кажется странным, но через несколько шагов вы будете ходить естественно, как и по твердой земле. В чем секрет?»
Конечно, если вы никогда раньше не сталкивались с пляжем, то в этот момент не входите в какой-то специальный «песочный режим», который позволяет вам ходить по мягким поверхностям. То, как вы меняете свое движение, происходит автоматически и без какого-либо реального понимания внешней среды.
Тело человека реагирует на различные физические условия, ощущая разные последствия этих условий для самого тела. Система RMA работает аналогичным образом — во время движения в новых условиях за очень короткое время (полсекунды или меньше) меняются правила ходьбы.
Система была полностью обучена моделированию в виртуальной версии реального мира, где маленький мозг робота (все работает локально на бортовом ограниченном вычислительном блоке) научился максимизировать поступательное движение с минимальной энергией и избегать падений, немедленно наблюдая и отвечая данным, поступающим от его акселерометров и других физических датчиков.
Чтобы подчеркнуть общую внутреннюю сущность подхода RMA, Малик заявил, что робот вообще не использует визуальный ввод. Если люди и животные, у которых нет зрения, могут нормально ходить, то почему бы это не уметь роботу? Невозможно оценить «внешние эффекты», такие как точный коэффициент трения песка или камней, по которым он идет, поэтому он просто внимательно следит за собой.
В конечном итоге система состоит из двух частей: основного, постоянно работающего алгоритма, который фактически контролирует походку робота, и адаптивного алгоритма, работающего параллельно, который отслеживает изменения внутренних показателей робота. Когда обнаруживаются существенные изменения, последний анализирует их — «ноги должны делать это, но они делают это, что означает, что ситуация такая» — и сообщает основной модели, как приспособиться.
С этого момента робот думает только о том, как двигаться вперед в этих новых условиях, эффективно импровизируя особую походку. После обучения моделированию робот уже преуспел в реальном мире.
В пресс-релизе говорится: «Робот мог ходить по песку, грязи, пешеходным тропам и высокой траве без единой неудачи во всех наших испытаниях. Робот успешно спускался по лестнице по пешеходной тропе в 70% испытаний. Он успешно преодолел цементную кучу и кучу гальки в 80% испытаний, несмотря на то, что никогда не видел неустойчивую или проседающую землю, препятствующую растительность или лестницу во время тренировки. Он также сохранял свою высоту с высокой степенью успеха при перемещении с полезной нагрузкой в 12 кг, что составляло 100% его веса».
Малик одобрил исследование профессора Нью-Йоркского университета Карен Адольф, чья работа показала, насколько легко адаптируемым и свободным является процесс обучения человека ходьбе. Цель работы команды заключается в том, что если вам нужен робот, который может справиться с любой ситуацией, он должен обучаться адаптации с нуля, а не иметь множество режимов на выбор.
Точно так же, как невозможно создать более умную систему компьютерного зрения, исчерпывающе маркируя и документируя каждый объект и взаимодействие, вы не можете подготовить робота к разнообразному и сложному физическому миру с 10, 100 и даже тысячами специальных параметров для ходьбы по гравию, грязи, щебням, мокрому дереву.
Основа системы потенциально может быть применена не только к роботам с ногами, но и к совершенно другим областям ИИ и робототехники.
Кроме того, сочетание базового и адаптивного алгоритмов могло бы работать для других интеллектуальных систем. Умные дома и муниципальные системы, как правило, полагаются на уже существующие политики, но что, если они будут адаптироваться на ходу?
