Четвероногий робот научился паркуру для преодоления препятствий

Команда ETH Zürich представила оригинальный подход ANYmal к обучению с подкреплением ещё в 2019 году, а в 2022 году улучшила возможности робота ощущать движения и местоположение. В 2023 году команда продемонстрировала три робота ANYmal, протестированных в условиях, максимально приближенных к лунной и марсианской местностям. В ETH Zürich считают, что такие роботы помогут будущим марсоходам обходить препятствия. Каждый робот был оснащён лидаром, предварительно настроенным под выполнение определённых функций. Например, основной задачей модели Scout было обследование окружающей среды с помощью RGB-камер. Этот робот также использовал сканер для картирования областей и интересующих объектов с помощью фильтров, пропускающих различные области светового спектра. При этом модель Scientist была оснащена роборукой с MIRA (мгновенным рамановским спектрометром) и MICRO (микроскопическим сканером изображений). Первый инструмент позволяет идентифицировать химические вещества в материалах, найденных на поверхности демонстрационной зоны, ориентируясь на то, как они рассеивают свет, а второй передаёт их изображения.

Теперь же ANYmal решили сделать более маневренными. Паркур довольно сложен с точки зрения робототехники, так как он требует от робота «выполнять динамические манёвры на пределе возможностей, точно контролируя движение корпуса и конечностей». Чтобы добиться успеха, ANYmal должен уметь чувствовать окружающую среду и адаптироваться к быстрым изменениям, выбирая возможный путь и последовательность движений из запрограммированного набора навыков в режиме реального времени.

Подход швейцарской команды сочетает машинное обучение с контролем на основе моделей. Они разделили задачу на три взаимосвязанных компонента: модуль восприятия, обрабатывающий данные бортовых камер и лидара для оценки местности; модуль передвижения с запрограммированным каталогом движений для преодоления определённой местности; и навигационный модуль, который помогает модулю передвижения выбирать, какие навыки использовать для навигации по различным препятствиям и местности, используя промежуточные команды.

Машинное обучение использовалось, чтобы научить ANYmal некоторым новым навыкам методом проб и ошибок, в том числе преодолевать препятствия и узнавать, как взбираться наверх и спрыгивать вниз. Камера робота и нейронная сеть позволяют ему выбирать лучшие манёвры на основе предварительной подготовки. Управление на основе моделей применили, чтобы научить ANYmal распознавать прогалы между препятствиями и преодолевать их.

В итоге робот смог выполнять прыжки с одного ящика на другой на расстояние до 1 м. Он подходил к краю ящика и группировал три ноги, вытягивая четвёртую. ANYmal также смог спуститься с ящика высотой 1 м и залезть обратно.

Дополнительно команда проверила способность ANYmal ходить: робот успешно преодолевал лестницы, склоны, случайные небольшие препятствия и т. д.

У ANYmal по-прежнему есть свои ограничения, когда дело доходит до навигации в реальном мире. Например, авторы отмечают, что им предстоит проверить масштабируемость своего подхода к более разнообразным и неструктурированным сценариям с более широким спектром препятствий. Этот подход также требует больше времени для доработки, так как он задействует восемь нейросетей, которые необходимо настраивать отдельно, а изменения в одной потребуют переобучения остальных.

Между тем исследователи Университета Иллинойса в Урбане-Шампейне, вдохновившись боевыми дроидами из «Звёздных войн» и ANYmal, создали моноколёсного робота Ringbot, который балансирует при помощи выдвижных ног.