Главная » Статьи » Напряженная целостность и машинное обучение помогли роботу адаптироваться к увечьям

Напряженная целостность и машинное обучение помогли роботу адаптироваться к увечьям

Jean-Baptiste Mouret / YouTube

Инженеры создали робота, который состоит из связанных пружинами жестких ребер, а для подбора оптимальной походки устройства используются методы машинного обучения. Благодаря этому робот может выдерживать удары и складываться без повреждений, а также учится эффективно передвигаться, даже если частично поврежден, говорится в препринте на arXiv.org.

Подавляющее большинство современных роботов справляется с поставленной задачей только в состоянии полной исправности, что не слишком мешает на производстве, где, как правило, налажен процесс оперативного ремонта вышедшей из строя техники, или лабораторных условиях, где инженеры могут спокойно устранить неисправность и повторить эксперимент. Однако в других условиях — например, при ликвидации аварий или исследовании других планет, — замена робота или его ремонт могут быть просто невозможны. Поэтому инженеры постоянно ищут новые решения и не только проектируют конструкции, устойчивые к повреждению, но и решают проблему передвижения роботов, частично сохранивших работоспособность при некритичной поломке.

Инженеры Джон Риффель (John Rieffel) и Жан-Батист Муре (Jean-Baptiste Mouret) построили робота с жесткими и эластичными элементами каркаса, который выдерживает сжатие в плоский блин, а также может при повреждении самостоятельно найти наиболее подходящую походку. Робот представляет собой конструкцию из шести жестких ребер, связанных друг с другом 24 пружинами — устройство построено в соответствии с концепцией напряженной целостности, или тенсегрити (tensegrity, tensional integrity). На ребрах конструкции закреплены три вибромотора, изменяя частоту вибрации которых можно управлять движением устройства.

Обычно при создании роботов, в том числе мягких, инженеры стараются гасить вибрации, возникающие в конструкции устройства, однако в данном случае из-за напряженной целостности смещение одной части конструкции отражается на другой, и разработчики решили использовать этот эффект для наиболее эффективного передвижения — нужная частота вибрации моторов вызывает резонанс конструкции и робот начинает шагать, переставляя вершины тенсегрити-каркаса.

Также разработчики проверили, можно ли с помощью методов машинного обучения научить такого робота эффективно ходить без ручной отладки походки. Робота тестировали как в обычной конфигурации, так и имитируя повреждение — для этого авторы отсоединяли одну из пружин. Обучение состояло из 30 «прогонов» после чего исследователи сравнивали скорость перемещения роботов. Оказалось, что по сравнению со случайной вибрацией двигателей обученный неповрежденный робот ходит более чем в два раза быстрее (в среднем 12 сантиметров в секунду против приблизительно пяти), причем поврежденный робот с помощью машинного обучения тоже ходит быстрее исправного робота со стандартной походкой, средняя скорость робота без одной пружинки составила шесть сантиметров в секунду.

Авторы также построили новый прототип тенсегрити-робота, который работает не от питания по кабелю, а от аккумуляторов. В будущем они планируют научить его другим способам перемещения — например, перекатыванию по плоской поверхности.

Ранее мы писали и о другой работе Жана-Батиста Муре по оптимизации походки у роботов — тогда он с коллегами научил гексапода адаптироваться к поврежденным конечностям. В ходе опытов исследователи намеренно повреждали по очереди каждую из ног, а робот при помощи акселерометров определял проблему и с помощью компьютерного моделировании и библиотеки движений подбирал новую походку. В результате после потери контроля над одной из ног робот через 40 секунд обучения восстанавливал до 96 процентов от своей первоначальной скорости.

Из других разработок в этой области можно упомянуть швейцарских инженеров, которые научили гексаподов ходить эффективнее живых насекомых, а также разработчиков из Disney Research, которые научили роботов самостоятельно адаптироваться к изменениям конфигурации — например, робот-паук смог научиться ходить вперед после того, как инженеры присоединили к нему новые ноги.

Николай Воронцов