카네기 멜론 대학의 컴퓨터 과학 학교와 캘리포니아 대학 버클리의 연구원들은 상대적으로 작은 다리를 가진 저비용 로봇이 높이에 가까운 계단을 오르내릴 수 있고, 바위가 많고, 미끄럽고, 고르지 않고, 가파른 곳을 횡단할 수 있는 로봇 시스템을 설계했습니다. 그리고 다양한 지형. 틈을 메우고, 바위와 연석을 벗기고, 심지어 어둠 속에서도 일합니다.
"소형 로봇에게 계단을 오르고 다양한 환경을 처리할 수 있는 능력을 부여하는 것은 사람들의 가정과 수색 및 구조 작업에 유용한 로봇을 개발하는 데 매우 중요합니다."라고 Robotics Institute의 조교수인 Deepak Pathak은 말했습니다. . 많은 일상 업무를 수행할 수 있는 로봇."
팀은 로봇을 테스트에 투입하여 공공 공원의 고르지 않은 계단과 언덕에서 테스트하고 디딤돌과 미끄러운 표면을 넘어가도록 도전하고 장애물을 뛰어 넘는 사람만큼 키가 커서 계단을 오르도록 요청했습니다. 로봇은 비전과 소형 온보드 컴퓨터에 의존하여 까다로운 지형에 빠르게 적응하고 숙달합니다.
연구자들은 시뮬레이터에서 4,000 클론으로 로봇을 훈련시켰고, 그곳에서 그들은 도전적인 지형에서 걷고 등반하는 연습을 했습니다. 시뮬레이터의 속도 덕분에 로봇은 하루에 6년의 경험을 쌓을 수 있습니다. 시뮬레이터는 또한 연구원들이 실제 로봇에 복제한 신경망 훈련 중에 학습한 운동 기술을 저장했습니다. 이 접근 방식은 기존 방법과 달리 로봇 동작 --의 수동 엔지니어링이 필요하지 않습니다.
대부분의 로봇 시스템은 카메라를 사용하여 주변 지도를 만들고 이 지도를 사용하여 실행 전에 움직임을 계획합니다. 프로세스가 느리고 매핑 단계에 내재된 모호성, 부정확성 또는 오해로 인해 후속 계획 및 이동에 영향을 미치는 문제가 자주 발생합니다. 매핑 및 계획은 높은 수준의 제어에 중점을 둔 시스템에 유용하지만 도전적인 지형에서 걷거나 달리는 것과 같은 낮은 수준의 기술의 동적 요구에 항상 적합한 것은 아닙니다.
새로운 시스템은 매핑 및 계획 단계를 건너뛰고 시각적 입력을 로봇 제어에 직접 전달합니다. 로봇이 보는 것이 움직이는 방식을 결정합니다. 연구자들도 다리가 어떻게 움직여야 하는지 지정하지 않았습니다. 이 기술을 통해 로봇은 다가오는 지형에 신속하게 대응하고 효율적으로 이동할 수 있습니다.
매핑이나 계획이 필요하지 않고 기계 학습을 사용하여 움직임을 훈련하기 때문에 로봇 자체가 저렴할 수 있습니다. 팀이 사용한 로봇은 기존 대안보다 최소 25배 저렴합니다. 팀의 알고리즘은 저비용 로봇을 더 널리 사용할 수 있게 만들 수 있는 잠재력을 가지고 있습니다.
SCS 기계 학습 박사 과정 학생인 Ananye Agarwal은 "이 시스템은 로봇의 모터에 명령을 출력하기 위한 입력으로 신체의 시각과 피드백을 직접 사용합니다. 이 기술은 실제 세계에서 시스템을 매우 견고하게 만듭니다. 만약 미끄러지면 계단에서 회복할 수 있습니다. 알 수 없는 환경에 들어가 적응할 수 있습니다."
제어에 대한 이러한 직접적인 비전은 생물학적으로 영감을 받았습니다. 인간과 동물은 시각을 사용하여 움직입니다. 눈을 감고 달리거나 균형을 잡으세요. 이 팀의 이전 연구에서는 시각 장애인 로봇(카메라가 없는 로봇)이 까다로운 지형을 정복할 수 있지만 비전을 추가하고 이에 의존하면 시스템을 크게 개선할 수 있음을 보여주었습니다.
팀은 또한 시스템의 다른 요소에 대해 자연을 찾았습니다. 키가 1피트 미만인 작은 로봇이 높이에 가까운 계단이나 장애물을 오르기 위해 인간이 높은 장애물을 넘어갈 때 사용하는 동작을 채택하는 방법을 배웠습니다. 가로대나 장애물을 오르기 위해 다리를 높이 들어야 할 때 엉덩이를 사용하여 다리를 외전 및 내전이라고 하며 더 많은 공간을 제공합니다. 고관절 외전을 사용하여 시중에서 가장 진보된 다리 로봇 시스템 중 일부를 방해하는 장애물을 극복하는 Pathak 팀이 설계한 로봇 시스템도 마찬가지입니다.
네 발 달린 동물의 뒷다리 움직임도 팀에 영감을 주었습니다. 고양이가 장애물을 통과할 때 뒷다리는 앞다리와 같은 물체를 가까이 있는 눈의 도움 없이 피합니다. "네발 동물은 뒷다리가 앞다리를 추적할 수 있는 기억을 가지고 있습니다. 우리 시스템은 비슷한 방식으로 작동합니다."라고 Pathak은 말했습니다. 시스템의 온보드 메모리를 통해 후면 다리는 전면 카메라가 보는 것을 기억하고 장애물을 피하기 위해 조작할 수 있습니다.
"지도도, 계획도 없기 때문에 우리 시스템은 지형과 앞다리를 움직이는 방법을 기억하고 그것을 뒷다리로 변환하여 빠르고 완벽하게 수행합니다."라고 Ph.D.인 Ashish Kumar가 말했습니다. 버클리 재학생. 이 연구는 다리가 있는 로봇으로 기존 문제를 해결하고 이를 사람들의 집으로 가져오는 데 큰 진전이 될 수 있습니다.