Четвероногого робота научили работать в невесомости
Швейцарские инженеры научили четвероногого робота маневрировать в невесомости и при низкой силе тяжести. Он научился разворачиваться, двигая ногами в полете, и отталкиваться от поверхностей под заданным углом. Статья об алгоритме и испытаниях опубликована в IEEE Transactions on Robotics. Четвероногие ходячие роботы эффективнее своих колесных аналогов при работе на пересеченной местности. Из-за этого их долго планировали использовать (хотя в итоге и передумали) американские военные, также их предлагают использовать для исследования других планет.
Потенциально ходячие роботы действительно могут помочь в исследовании каменистых областей Марса, Луны или других небесных тел, но условия на них отличаются от земных. Одно из таких отличий сниженная сила тяжести на некоторых небесных телах. Из-за этого при слишком большом отталкивающем усилии робот может подпрыгнуть и провести в полете заметное время. Например, зонд «Филы» при посадке на комету Чурюмова — Герасименко отскочил от ее поверхности и провел в полете два часа перед следующим контактом. На планетах разница в силе тяжести не столь велика, но и она приведет к тому, что земная модель управления роботом не будет подходить для работы в новых условиях.
Инженеры из Швейцарской высшей технической школы Цюриха под руководством Марко Хюттера (Marco Hutter) разработали для четвероногих роботов алгоритм, позволяющий управлять своим положением в полете, используя только движения ног, подобно тому, как кошки стабилизируют свое положение и приземляются на лапы, даже если изначально падали спиной вниз. Инженеры воспользовались разработанным ранее четвероногим роботом SpaceBok, созданным как раз для отработки методов управления роботами на других планетах:
Изначально разработчики обучали алгоритм управления в симуляторе и столкнулись с проблемой: популярные для таких задач симуляторы не могут качественно воспроизводить поведение замкнутых кинематических цепей, а в SpaceBok ноги образуют именно такую цепь, потому что состоят из связанных между собой параллельных сегментов. В результате им пришлось упростить виртуальную модель робота и заменить ноги в ней на двухсекционные.
Авторы использовали для управления не классические алгоритмы, а нейросеть, и обучили ее при помощи обучения с подкреплением, при котором алгоритм получает от среды награду в зависимости от результатов и за счет этого постепенно вырабатывает оптимальный способ выполнения задачи. На начальном этапе модель обучали на двух задачах в двумерном пространстве. Сначала робот находился в свободном состоянии и должен был развернуться на нужный угол, используя только движения ног, а затем задачу усложнили: он падал на поверхность под произвольным углом и должен был перед контактом с ней выровняться и после этого отскочить в заданную сторону.
На втором этапе робот обучался в трехмерном пространстве. Первая задача была аналогичной, то есть ему нужно было из произвольного положения развернуться в заданное, а при второй задаче он падал на трехмерную неровную поверхность и должен был приземлиться, не перевернувшись. После обучения модель перенесли на реального робота. Для тестирования инженеры воспользовались тестовой площадкой ESA, в которой установлен крайне гладкий пол и подвижная платформа, двигающаяся по нему почти без трения. Робот был закреплен на платформе на боку подшипнике, поэтому мог свободно вращаться в плоскости. Эксперименты показали, что выученная в симуляции модель хорошо справилась и с управлением реальным роботом, в том числе она научилась разворачивать его из произвольного положения, затрачивая на это меньше трех секунд, и множество раз отталкиваться между двух поверхностей.
