您的位置:首頁 > 資訊 > 行業動態 > 正文

MIT:迷你機器人獵豹的巨大飛躍

2021-10-22 09:02 性質:翻譯 作者:DDing 來源:中國叉車網-中叉網
免責聲明:中叉網(www.exitosmp3gratis.com)尊重合法版權,反對侵權盜版。(凡是我網所轉載之文章,文中所有文字內容和圖片視頻之知識產權均系原作者和機構所有。文章內容觀點,與本網無關。如有需要刪除,敬請來電商榷!)
MIT的研究人員開發了一種系統,可以提高腿式機器人跳過地形間隙時的速度和敏捷性。使用美國麻省理工學院(MIT)的機器人迷你獵豹展示的一種新的控制系統,使四條...

MIT的研究人員開發了一種系統,可以提高腿式機器人跳過地形間隙時的速度和敏捷性。

使用美國麻省理工學院(MIT)的機器人迷你獵豹展示的一種新的控制系統,使四條腿的機器人能夠實時跳過不平整的地形。

一頭奔跑的獵豹沖過一片起伏的田野,跳過崎嶇不平的地形上突然出現的空隙。這種運動可能看起來毫不費力,但讓機器人以這種方式移動是一個完全不同的前景。近年來,受獵豹和其他動物運動啟發的四腳機器人已經取得了巨大的飛躍,然而,當涉及到在海拔高度快速變化的景觀中行走時,它們仍然落后于它們的哺乳動物同行。

MIT計算機科學與人工智能實驗室(CSAIL)教授Pulkit Agrawal實驗室的博士生Gabriel Margolis說:

"在這些環境中,你需要使用視覺,以避免失敗。例如,如果你看不到它,就很難避免踩到一個缺口。雖然有一些現有的將視覺納入腿部運動的方法,但其中大多數并不真正適合用于新興的敏捷機器人系統。

現在,Margolis和他的合作者已經開發出一個系統,可以提高腿部機器人跳過地形縫隙時的速度和敏捷性。這個新穎的控制系統分為兩部分--一部分處理來自安裝在機器人前面的視頻攝像頭的實時輸入,另一部分將該信息轉化為機器人應該如何移動其身體的指令。研究人員在麻省理工學院的迷你獵豹上測試了他們的系統,這是一個強大、敏捷的機器人,由機械工程教授Sangbae Kim的實驗室建造。

從左到右:博士生陳濤和 Gabriel Margolis;Pulkit Agrawal,電氣工程和計算機科學系的 Steven G. 和 Renee Finn 職業發展助理教授;和博士生傅翔。

與其他控制四腳機器人的方法不同,這個由兩部分組成的系統不需要事先繪制地形圖,因此機器人可以去任何地方。在未來,這可以使機器人在執行應急任務時沖進樹林,或爬上樓梯為閉門不出的老人送藥。

Margolis與資深作者Pulkit Agrawal(他是MIT Improbable AI實驗室的負責人,也是電子工程和計算機科學系的Steven G. and Renee Finn職業發展助理教授)、MIT機械工程系的Sangbae Kim教授以及MIT的研究生陳濤和傅翔共同撰寫了這篇論文。其他共同作者包括亞利桑那州立大學的研究生Kartik Paigwar;以及馬薩諸塞大學阿默斯特分校的助理教授Donghyun Kim。這項工作將在下個月的機器人學習會議上發表。

一切都在控制之中

使用兩個獨立的控制器一起工作使這個系統特別具有創新性。控制器是一種算法,它將把機器人的狀態轉換為一套供其遵循的行動。許多盲目的控制器--那些沒有納入視覺的控制器--是強大而有效的,但只能使機器人在連續的地形上行走。視覺是一個非常復雜的感官輸入,這些算法無法有效地處理它。納入視覺的系統通常依賴于地形的 "高度圖",它必須預先構建或在飛行中生成,這個過程通常很慢,而且如果高度圖不正確,就容易失敗。

為了開發他們的系統,研究人員從這些穩健、盲目的控制器中提取了最佳元素,并將它們與一個實時處理視覺的獨立模塊相結合。機器人的攝像頭捕捉即將到來的地形的深度圖像,這些圖像與關于機器人身體狀態(關節角度、身體方向等)的信息一起被反饋給一個高級控制器。高級控制器是一個從經驗中 "學習 "的神經網絡。

該神經網絡輸出一個目標軌跡,第二個控制器用它來為機器人的12個關節中的每一個提供扭力。這個低級別的控制器不是神經網絡,而是依賴于一套描述機器人運動的簡明物理方程。

Margolis說:

"層次結構,包括使用這種低級別的控制器,使我們能夠約束機器人的行為,使其更加乖巧。有了這個低級別的控制器,我們正在使用我們可以施加約束的明確的模型,這在基于學習的網絡中通常是不可能的。“

網絡教學

研究人員使用被稱為強化學習的試驗和錯誤方法來訓練高級控制器。他們對機器人在數百個不同的不連續地形上運行進行了模擬,并對其成功穿越進行了獎勵。隨著時間的推移,該算法學會了哪些行動能使獎勵最大化。然后,他們用一組木板建立了一個物理的、有間隙的地形,并使用迷你獵豹對其控制方案進行了測試。

Margolis說:

"與一個由我們的一些合作者在麻省理工學院內部設計的機器人一起工作肯定很有趣。迷你獵豹是一個很好的平臺,因為它是模塊化的,主要由你可以在網上訂購的零件制成,所以如果我們想要一個新的電池或攝像頭,只需從普通的供應商那里訂購,并在Sangbae實驗室的幫助下安裝就可以了。我們系統的一個新穎之處在于,它確實可以調整機器人的步態。如果一個人要躍過一個非常寬的缺口,他們可能一開始就跑得非常快,以積累速度,然后他們可能把兩只腳放在一起,以非常有力的方式躍過這個缺口。以同樣的方式,我們的機器人可以調整其腳部接觸的時間和持續時間,以更好地穿越地形。"

在某些情況下,估計機器人的狀態被證明是一個挑戰。與模擬不同,真實世界的傳感器會遇到噪音,這些噪音會累積起來并影響結果。因此,對于一些涉及高精度腳部放置的實驗,研究人員使用運動捕捉系統來測量機器人的真實位置。

他們的系統表現優于其他只使用一個控制器的系統,而且迷你獵豹成功穿越了90%的地形。

跳出實驗室

雖然研究人員能夠證明他們的控制方案在實驗室中是有效的,但他們在現實世界中部署該系統之前仍有很長的路要走,馬戈利斯說。

在未來,他們希望在機器人上安裝一臺更強大的計算機,以便它能在機上完成所有的計算。他們還想改進機器人的狀態估計器,以消除對運動捕捉系統的需求。此外,他們還想改進低級控制器,使其能夠利用機器人的全部運動范圍,并加強高級控制器,使其在不同的照明條件下工作良好。

Kim說:

"見證機器學習技術的靈活性,能夠繞過精心設計的中間過程(如狀態估計和軌跡規劃),這是非常了不起的,幾個世紀以來基于模型的技術一直依賴于此。"我對移動機器人的未來感到興奮,它具有更強大的視覺處理能力,專門為運動而訓練。"

網友評論
文明上網,理性發言,拒絕廣告

相關資訊

關注官方微信

手機掃碼看新聞

综合网址a-日本开车越开越痛-免费的很污的很黄的网站