Teadlased on välja töötanud uue juhtimismeetodi, mis võimaldab jalgadega robotil liikuda kiiresti ja jõuliselt üle keerulise maastiku, kirjutab sciencedaily.com. Tänu masinõppele oskab robot esmakordselt ühendada oma visuaalse keskkonna tajumise kompimismeelega.
ETH Zürichi teadlased eesotsas Marco Hutteriga treenivad roboteid libedal pinnasel, kõrgetel astmetel, juurikaid täis metsaradadel: Zürichi järve lõunapoolses otsas on 1098 meetri kõrgusele Etzeli mäele kulgev rada täis arvukaid takistusi. Kuid ETH Zürichi robotsüsteemide labori neljajalgne robot ANYmal ületab pingutuseta 120 vertikaalset meetrit pooletunnise matkaga. See on neli minutit kiiremini kui inimestest matkajatel selleks kuluks, samuti suudab robot tee ilma kukkumise või valesammudeta läbida.
See on võimalik tänu uuele juhtimistehnoloogiale, mida ETH Zürichi teadlased, eesotsas robootikaprofessor Marco Hutteriga hiljuti ajakirjas Science Robotics tutvustasid. “Robot on õppinud ühendama oma keskkonna visuaalse tajumise propriotseptsiooni ehk puutetundlikkusega, mis põhineb jalgade otsesel kontaktil. See võimaldab tal kiiremini, tõhusamalt ja ennekõike jõulisemalt toime tulla ebatasasel maastikul,” räägib Hutter.
Tulevikus saab ANYmali sarnaseid roboteid kasutada kõikjal, kus inimestel on liiga ohtlik või kus teised robotid raske maastikuga toime ei tule – näiteks pärast maavärinat, tuumakatastroofi või metsatulekahju ajal.
Keskkonna täpne tajumine
Raskel maastikul navigeerimiseks ühendavad inimesed ja loomad üsna automaatselt keskkonna visuaalse tajumise oma jalgade ja käte puutetundlikkusega. See võimaldab neil libedal või pehmel pinnasel hõlpsasti hakkama saada ja enesekindlalt ringi liikuda ka siis, kui nähtavus on halb.
Seni on jalgadega robotid sedavaid piiratud määral suutnud . “Põhjus seisneb selles, et laserandurite ja kaameratega salvestatud teave lähikeskkonna kohta on sageli puudulik ja mitmetähenduslik,” selgitab Hutteri rühma doktorant ja uuringu juhtiv autor Takahiro Miki. Näiteks kõrge rohi, madalad lombid või lumi paistavad ületamatute takistustena või on osaliselt nähtamatud, kuigi robot võiks neid tegelikult ületada. Lisaks võivad maastikul roboti vaadet varjata keerulised valgustingimused, tolm või udu.
“Seetõttu peavad robotid nagu ANYmal suutma ise otsustada, millal usaldada oma keskkonna visuaalset tajumist ja liikuda reipalt edasi ning millal on parem edasi liikuda ettevaatlikult ja väikeste sammudega,” räägib Miki. Ja see on tema sõnul suur väljakutse.
Virtuaalne treeninglaager
Tänu uuele närvivõrgul põhinevale kontrollerile suudab ANYmal, nüüd esimest korda ühendada välise ja propriotseptiivse taju. Enne kui robot jõudis oma võimeid pärismaailmas proovile panna, katsetasid teadlased süsteemi virtuaalses treeninglaagris arvukate takistuste ja veaallikatega. See võimaldab võrgul õppida ideaalset viisi, kuidas robot takistusi ületab ja seda, millal saab ta keskkonnaandmetele toetuda ja millal oleks parem neid andmeid ignoreerida.
“Selle koolituse abil suudab robot omandada kõige keerulisema loodusliku maastiku, ilma et oleks seda varem näinud,” ütleb ETH Zürichi professor Hutter. See toimib isegi siis, kui anduri andmed lähikeskkonna kohta on mitmetähenduslikud või ebamäärased. Hutteri sõnul võimaldab see robotil ühendada mõlema maailma parimad omadused: välise tajumise kiiruse ja efektiivsuse ning propriotseptiivse tajumise ohutuse.
