Четвероногие роботы научились адаптироваться к препятствиям
Исследователи создали инновационную ИИ-систему, которая позволяет четвероногим машинам самостоятельно адаптировать стиль передвижения к характеру рельефа. Новая разработка решает давнюю проблему: раньше роботы не могли плавно переключаться между различными типами движения при внезапных изменениях условий под "ногами".
Почему старые роботы не справлялись с препятствиями
Четвероногие машины имеют существенное преимущество перед колесными моделями на сложной местности. Однако в реальности препятствия — лестницы, выступы, камни, поваленные деревья — появляются непредсказуемо и в беспорядке. Ранее роботам было очень сложно одновременно поддерживать высокую скорость и стабильность на неровном рельефе. Для каждого вида движения разработчики создавали отдельные алгоритмы, из-за чего машины не могли естественно переходить от одного способа передвижения к другому при изменении условий.
Технология APT-RL: революционный подход к обучению
Специалисты разработали технологию APT-RL (обучение с подкреплением на основе предварительно обученного трансформера действий). Эта система позволяет роботу сначала освоить базовые двигательные навыки, а затем свободно комбинировать и чередовать их во время реальной работы.
Процесс обучения включал несколько ключевых этапов. Вместо долгой и дорогой съемки реальных движений с датчиками исследователи использовали компьютерную симуляцию. Всего за восемь минут машина сгенерировала 15,5 часов виртуальных тренировочных данных на основе физических моделей движения. Затем ИИ прошел через тысячи виртуальных попыток и ошибок, чтобы научиться выбирать оптимальную стратегию поведения для сложной трехмерной среды. Для ориентации в пространстве робот оснастили 3D-камерой глубины и лазерным дальномером LiDAR, позволяющими машине сканировать рельеф и мгновенно адаптировать движения.
Практические испытания и достигнутые результаты
Новую систему управления протестировали на четвероногом роботе KAIST HOUND как на закрытых площадках, так и в естественных условиях — на территории кампуса и лесных тропах с корнями деревьев, ямами и опавшей листвой. Машина продемонстрировала рекордную мгновенную скорость в 6 метров в секунду (примерно 22 километра в час) при беге по пересеченной местности.
Робот самостоятельно менял ход с трота на галоп или прыжки в зависимости от сложности маршрута. Разработчики убеждены, что созданный ими универсальный контролер станет базовой технологией для будущих физических роботов с ИИ, которые будут применяться при инспекции промышленных объектов, военных операциях и ликвидации последствий природных катастроф.
