De fleste firbeinte roboter er trent til å gjenvinne balansen hvis de snubler over en hindring. I et forsøk på å utvikle en rengjøringsrobot trener den vietnamesiskfødte doktorgradsstudenten Joanne Truong ved School of Interactive Computing ved Georgia Institute of Technology (GIT) og hennes to kolleger Naoki Yokoyama og Simar Kareer roboten sin til å gå over rotete gjenstander den kan støte på i hjemmet, rapporterte Tech Xplore nylig.
(Fra venstre) Naoki Yokoyama, Joanne Truong og Simar Kareer jobber med den firbeinte roboten
Ifølge forskerteamet har firbeinte roboter utstyrt med «blinde» bevegelseskontrollere en tendens til å reagere mer for å unngå å falle når de tråkker på en gjenstand.
I mellomtiden brukte forskerteamet en ny tilnærming, der de leverte levende bilder slik at roboten kunne gå over hindringer, ved å kombinere navigasjonspolicyen med den bildebaserte bevegelsespolicyen. Denne tilnærmingen hjalp roboten med å gå over hindringer i et simulert rotete miljø med en suksessrate på opptil 72,6 %.
Roboten kan lære på egenhånd og imiterer ikke noen eksisterende atferdsmønstre. Forskerne sier at dette er en skalerbar modell som kan brukes umiddelbart uten mye finjustering. Retningslinjene instruerer roboten hvordan den skal unngå objekter når den beveger seg fra ett sted til et annet, og hvordan den skal bruke beina til å gå over objekter, inkludert hvordan den skal løfte beina til riktig høyde.
«Robothund» overvinner lange, humpete veier uten å falle
Ifølge teamet kan konvensjonelle firbeinte roboter bare se det virkelige bildet gjennom et kamera foran seg, og de kan ikke se objekter i nærheten av føttene sine. Teamet innlemmet hukommelse og romlig bevissthet i nettverket for å lære roboten nøyaktig når og hvor den skal gå over hindringer. Hvis objektet var for høyt oppe, kunne roboten gå rundt det. «Vi fant ut at denne metoden navigerte veldig bra, og selv om roboten gikk feil vei, visste den at den kunne rygge og gå tilbake til sin opprinnelige posisjon», sa Truong. Teamet lærte også roboten hvilke objekter den skulle gå over, for eksempel leker, og hvilke objekter den skulle gå rundt, for eksempel bord og stoler.
Teamets funn kan også hjelpe roboter med å navigere i virkelige utendørsmiljøer, og velge stier basert på eiernes ønsker for å unngå gjørmete eller steinete terreng.
Forskningen vant førstepremien på et robotverksted som en del av Robotics 2022-konferansen på New Zealand. Forskningen vil bli presentert på IEEE International Conference on Robotics and Automation i London fra 29. mai til 2. juni.
[annonse_2]
Kildekobling
Kommentar (0)