Wetenschappers van de School of Computer Science aan de Carnegie Mellon University en de University of California in Berkeley hebben een robotachtig robotsysteem ontwikkeld Boston Dynamics, die ook door ruw terrein en gladde oneffen oppervlakken kan navigeren, trappen kan beklimmen en afdalen, maar veel goedkoper te vervaardigen is.
In de meeste van dergelijke robotsystemen worden kaarten van de omgeving gebruikt voor bewegingsplanning, die worden gemaakt met behulp van camera's voordat de beweging begint. Dit proces is traag en mislukt vaak vanwege onnauwkeurigheden of onjuiste instellingen in de mappingfase, die van invloed zijn op de daaropvolgende planning en beweging van de robot. Mapping en bewegingsplanning zijn nuttig in systemen die gericht zijn op controle op hoog niveau, zeggen de onderzoekers, maar niet altijd geschikt voor de dynamische eisen van vaardigheden op laag niveau, zoals wandelen of veldlopen.
In plaats van camera's te gebruiken om de omgeving weer te geven en kaarten van het gebied te maken, trainde het team van wetenschappers de robot met behulp van simulatie: vierduizend van zijn virtuele klonen werden gedwongen zich door een grote verscheidenheid aan terreinen te verplaatsen, zodat hij de nodige vaardigheden.
Dankzij het gebruik van simulatie verwierf de robot in één dag vaardigheden die onder normale omstandigheden zes jaar zouden hebben gekost. De aangeleerde motorische vaardigheden werden opgeslagen in een neuraal netwerk, dat de onderzoekers kopieerden naar een werkend prototype van het robotsysteem.
Het nieuwe systeem doet het zonder mapping en bewegingsplanning en stuurt direct visuele invoergegevens naar de robotbesturingseenheden. De robot beweegt afhankelijk van wat hij ervoor "ziet". Deze technologie stelt de robot in staat om snel te reageren op veranderingen in het terrein en er moeiteloos overheen te bewegen.
"Dit systeem gebruikt visuele perceptie en feedback van het lichaam (robot) rechtstreeks als input om commando's uit te voeren naar het motorsysteem van de robot", zegt teamlid Ananje Agarwal. – Deze methode zorgt voor een hoge betrouwbaarheid van het robotsysteem in de echte wereld. Als hij (de robothond) op de trap uitglijdt, kan hij zijn evenwicht hervinden en zich aanpassen aan de omgeving."
Aangezien het in kaart brengen en plannen niet nodig is en motorische vaardigheden worden verworven door machine learning, worden de kosten van de robot aanzienlijk verlaagd. De robot gemaakt door een team van wetenschappers is minstens 25 keer goedkoper dan bestaande tegenhangers.
Wetenschappers zeggen dat het robotsysteem op dezelfde manier werkt als dieren zoals katten. "Viervoeters hebben een geheugen waardoor hun achterpoten hun voorpoten kunnen volgen. Ons systeem werkt op een vergelijkbare manier", aldus Agarwal. Deze robothond zou ook in het donker kunnen navigeren, hoewel hij nog steeds een camerasysteem nodig heeft om de prestaties te verbeteren.
U kunt Oekraïne helpen vechten tegen de Russische indringers. De beste manier om dit te doen is door geld te doneren aan de strijdkrachten van Oekraïne via Red het leven of via de officiële pagina NBU.
Ook interessant:
- Harvard heeft een robotarm met tentakels gemaakt
- De kleine Mini Cheetah-robots hebben geleerd voetbal te spelen