طور فريق بقيادة جامعة كاليفورنيا في سان دييغو نظامًا جديدًا من الخوارزميات تمكن الروبوتات ذات الأربع أرجل من المشي والجري على التضاريس الصعبة مع تجنب كل من العوائق الثابتة والمتحركة.
في الاختبارات ، وجه النظام الروبوت للمناورة بشكل مستقل وسريع عبر الأسطح الرملية والحصى والعشب والتلال الترابية الوعرة المغطاة بالفروع والأوراق المتساقطة دون الاصطدام بالأعمدة أو الأشجار أو الشجيرات أو الصخور أو المقاعد أو الأشخاص. كما تنقل الروبوت أيضًا في مساحة مكتب مزدحمة دون أن يصطدم بالصناديق أو المكاتب أو الكراسي.
يقرِّب هذا العمل الباحثين من بناء روبوتات يمكنها القيام بمهام البحث والإنقاذ أو جمع المعلومات في أماكن شديدة الخطورة أو صعبة على البشر.
سيقدم الفريق أعماله في المؤتمر الدولي لعام 2022 حول الروبوتات والأنظمة الذكية (IROS) ، والذي سيعقد في الفترة من 23 إلى 27 أكتوبر في كيوتو ، اليابان.
يوفر النظام للروبوت ذو الأرجل مزيدًا من التنوع نظرًا للطريقة التي يجمع بها بين إحساس الروبوت بالبصر وطريقة استشعار أخرى تسمى الحس العميق ، والتي تتضمن إحساس الروبوت بالحركة والاتجاه والسرعة والموقع واللمس – في هذه الحالة ، الشعور الأرض تحت قدميها.
في الوقت الحالي ، تعتمد معظم طرق تدريب الروبوتات ذات الأرجل على المشي والتنقل إما على الحس العميق أو الرؤية ، ولكن ليس كلاهما في نفس الوقت ، كما قال كبير مؤلفي الدراسة Xiaolong Wang ، أستاذ الهندسة الكهربائية وهندسة الكمبيوتر في كلية الهندسة بجامعة كاليفورنيا في سان دييغو جاكوبس. .
وأضاف وانغ: “في إحدى الحالات ، يبدو الأمر أشبه بتدريب روبوت أعمى على المشي بمجرد لمس الأرض والشعور بها. وفي الحالة الأخرى ، يخطط الروبوت حركات ساقه بناءً على البصر وحده. إنه لا يتعلم شيئين في نفس الوقت”. “في عملنا ، نجمع بين الحس العميق والرؤية الحاسوبية لتمكين الروبوت ذي الأرجل من التحرك بكفاءة وسلاسة – مع تجنب العقبات – في مجموعة متنوعة من البيئات الصعبة ، وليس فقط البيئات المحددة جيدًا.”
يستخدم النظام الذي طوره وانج وفريقه مجموعة خاصة من الخوارزميات لدمج البيانات من الصور في الوقت الفعلي التي تم التقاطها بواسطة كاميرا عمق على رأس الروبوت مع بيانات من أجهزة استشعار على أرجل الروبوت. لم تكن هذه مهمة بسيطة. وأوضح وانغ: “المشكلة هي أنه أثناء التشغيل الواقعي ، يحدث أحيانًا تأخير طفيف في تلقي الصور من الكاميرا ، وبالتالي لا تصل دائمًا البيانات من طريقتين مختلفتين للاستشعار في نفس الوقت.”
كان الحل الذي توصل إليه الفريق هو محاكاة عدم التطابق هذا عن طريق التوزيع العشوائي لمجموعتي المدخلات – وهي تقنية يسميها الباحثون التوزيع العشوائي للتأخير متعدد الوسائط. ثم تم استخدام المدخلات المدمجة والعشوائية لتدريب سياسة التعلم المعزز بطريقة شاملة. ساعد هذا النهج الروبوت على اتخاذ القرارات بسرعة أثناء التنقل وتوقع التغييرات في بيئته في وقت مبكر ، حتى يتمكن من التحرك وتفادي العقبات بشكل أسرع على أنواع مختلفة من التضاريس دون مساعدة عامل بشري.
من الآن فصاعدًا ، سيعمل وانج وفريقه على جعل الروبوتات ذات الأرجل أكثر تنوعًا حتى تتمكن من التغلب على تضاريس أكثر تحديًا. “في الوقت الحالي ، يمكننا تدريب الروبوت على القيام بحركات بسيطة مثل المشي والجري وتجنب العقبات. أهدافنا التالية هي تمكين الروبوت من الصعود والنزول على الدرج والسير على الحجارة وتغيير الاتجاهات والقفز فوق العوائق.
