Китай навчає роботів стрибати, як кішки, для дослідження астероїдів

Натхненна здатністю котів повертатися та приземлятися, дослідницька група з Харбінського технологічного інституту (Китай) використала навчання з підкріпленням (RL) – тип штучного інтелекту (ШІ) – для навчання роботів коригувати свою поставу в повітрі під час стрибків через шорсткі поверхні з низькою гравітацією на астероїдах.

Китайська дослідницька група навчила чотириногого робота змінювати свою поставу та приземлятися, як кішка, щоб рухатися по поверхні астероїда. (Фото: SCMP)

На відміну від традиційних систем, які покладаються на спеціалізоване, але потужне стабілізаційне обладнання, робот використовує систему керування «без моделі» для скоординованого руху своїх чотирьох ніг. Це дозволяє роботу регулювати нахил і змінювати напрямок руху в повітрі, повідомляють дослідники в журналі Journal of Astronautics.

Дослідження стосується ключової проблеми стрибків роботів під час руху по астероїдах, де середовище має низьку гравітацію, і навіть незначний дисбаланс сил ніг може призвести до неконтрольованого обертання робота, невдалої посадки або повного відскоку від поверхні.

«У середовищі низької гравітації астероїдів роботи переживають тривалі періоди вільного падіння під час кожного стрибка. Важливо використовувати цей час для коригування відхилення, спричиненого стрибком, забезпечення безпечного приземлення або зміни кута повороту для регулювання напрямку руху», – йдеться у звіті команди.

«Було розроблено та створено платформу для моделювання мікрогравітації, щоб перевірити ефективність цього методу стрибків за допомогою експериментів на прототипі чотириногого робота», – додала команда.

Астероїди є залишками формування Сонячної системи та містять ключ до розшифровки її походження. Вони також багаті на такі ресурси, як платина та інші рідкісні метали, що може допомогти в майбутньому дослідженні космосу та промисловому застосуванні.

Проблеми на поверхні астероїда

Досі космічні агентства Європи, Японії та США успішно висаджували космічні апарати на астероїди для збору зразків, але жодне з них не розгорнуло марсоходи, здатні проводити довгострокові дослідження поверхні.

Традиційні колісні марсоходи, такі як ті, що використовуються на Місяці та Марсі, стикаються з труднощами в астероїдному середовищі, оскільки слабка гравітація, зазвичай лише кілька тисячних земної, не забезпечує достатнього зчеплення для ефективної роботи коліс.

Щоб вирішити ці обмеження, вчені запропонували використовувати стрибаючих роботів для майбутніх місій, але це створює новий набір проблем.

Щоразу, коли робот стрибає, він залишається в повітрі приблизно 10 секунд, достатньо довго, щоб незбалансовані сили ніг призвели до неконтрольованого обертання робота або навіть до відскоку від поверхні та дрейфу в космосі.

Команда з Харбіна використала RL для навчання робота у віртуальній симуляції. Протягом семи годин штучний інтелект навчався на своїх експериментальних помилках та вдосконалював свої рухи для стабільної посадки. Система штучного інтелекту робота продемонструвала здатність регулювати його орієнтацію, включаючи тангаж (нахил вперед або назад), нахил (нахил з боку в бік) та риськування (кут повороту), лише за кілька секунд.

Наприклад, під час запуску вперед з великим нахилом до 140 градусів робот може стабілізувати свою позу протягом 8 секунд. Він також може обертатися в повітрі на кут до 90 градусів, щоб змінити напрямок руху.

Роботів навчають за допомогою методів навчання з підкріпленням. (Фото: SCMP)

Щоб перевірити ефективність системи, дослідники створили платформу для моделювання мікрогравітації, яка дозволяє роботу «плавати» на майже безтертячій поверхні.

Хоча експерименти обмежувалися двовимірним рухом, вони підтвердили ефективність системи та підкріпили результати симуляцій, заявила команда.

Крім того, вчені виявили, що цей процес вимагає від робота дуже мало обчислювальної потужності. Легка та енергоефективна конструкція системи робить її особливо придатною для місій з дослідження глибокого космосу.

У майбутньому ця система може мати широке застосування, від наукових досліджень до видобутку ресурсів на астероїдах. Однак, дослідницька група заявила, що потрібні додаткові дослідження для покращення здатності штучного інтелекту адаптуватися до різноманітних рельєфів та середовищ.

Хуа Юй (Джерело: SCMP)

Джерело