ციურიხის ფედერალური ტექნოლოგიური ინსტიტუტისა (ETH Zurich) და პარტნიორი უნივერსიტეტების მკვლევრებმა მოძრაობის მართვის ინოვაციური სისტემა შეიმუშავეს, რომელიც ჰუმანოიდ რობოტებს რთულ რელიეფზე დამოუკიდებლად გადაადგილების, კიბეებზე ასვლის, დაბრკოლებების გადალახვისა და წაქცევის შემდეგ წამოდგომის შესაძლებლობას აძლევს.
ახალი ტექნოლოგია მკვლევრებმა Unitree G1-ის ჰუმანოიდ რობოტზე გამოცადეს.
როგორ მუშაობს ახალი ტექნოლოგია?
სისტემა, რომელსაც კონტაქტის ყურადღებაზე დაფუძნებული დაგეგმვა (ACP) ეწოდება, ხელოვნური ინტელექტის სწავლების ორ მეთოდს: განმტკიცებით სწავლებასა და მოძრაობის იმიტაციას აერთიანებს.
განმტკიცებითი სწავლება რობოტს განმეორებითი მცდელობებისა და მიღებული უკუკავშირის საფუძველზე მოქმედებების გაუმჯობესების შესაძლებლობას აძლევს, მოძრაობის იმიტაცია კი წინასწარ ჩაწერილი მანევრების ათვისებაში ეხმარება.
ტრადიციული მიდგომებისგან განსხვავებით, რობოტის მოძრაობების თანმიმდევრობა წინასწარ განსაზღვრული არ არის. სისტემა გარემოს დამოუკიდებლად აფასებს, განსაზღვრავს სხეულის სხვადასხვა ნაწილისთვის ოპტიმალურ საყრდენ წერტილებს და სახსრებისა და კიდურების მოძრაობას ერთმანეთთან ათანხმებს.
ტექნოლოგია სხეულის ცხრა საკონტაქტო ნაწილის: ხელების, ფეხების, იდაყვების, მუხლებისა და მენჯის , გამოყენებას ითვალისწინებს.
აღნიშნული მიდგომა რობოტს საშუალებას აძლევს, რთული დაბრკოლებების გადალახვისას საყრდენად არა მხოლოდ ფეხები, არამედ სხეულის ზედა ნაწილიც გამოიყენოს.
როგორ სწავლობს რობოტი გარემოსთან ადაპტაციას?
მკვლევრებმა რობოტის სწავლებისთვის სამეტაპიანი მეთოდი გამოიყენეს.
თავდაპირველად სისტემამ ადამიანის მოძრაობების ამსახველი, 13,2 წუთის ხანგრძლივობის ჩანაწერები დაამუშავა. შემდეგ ეტაპზე მოძრაობის დაგეგმვისა და მართვის მექანიზმები სინქრონულად ამუშავდა. საბოლოო ეტაპზე კი რობოტმა ვირტუალურად შექმნილ, მისთვის უცნობ გარემოში გადაადგილება განმეორებითი სწავლების გზით აითვისა.
მეცნიერებმა ასევე შეიმუშავეს LiDAR-ის ტექნოლოგიაზე დაფუძნებული კარტოგრაფიული სისტემა, რომელიც გარემოს სკანირების შედეგად მიღებულ მონაცემებს რელიეფის სიმაღლის რუკად გარდაქმნის.
Jetson Orin NX კომპიუტერზე მომუშავე სისტემა სკანირების 20 000 წერტილის მონაცემებს 30 მილიწამში ამუშავებს, გარემოს შესახებ ინფორმაციას კი წამში ათჯერ აახლებს.
რა შედეგები აჩვენა ექსპერიმენტმა?
რეალურ პირობებში ჩატარებული ექსპერიმენტების დროს Unitree G1-მა წარმატებით შეძლო კიბეებზე ასვლა, ქვიან ზედაპირზე გადაადგილება, ხოხვა, სხვადასხვა დაბრკოლების გადალახვა და წაქცევის შემდეგ დამოუკიდებლად წამოდგომა.
კომპიუტერულ სიმულაციებში, რვა სხვადასხვა დაბრკოლებიან ტრასაზე, ახალი სისტემის წარმატების საშუალო მაჩვენებელმა 92,5% შეადგინა. შედარებისთვის, მოძრაობის გენერირებისა და თვალყურის დევნების ალტერნატიული მეთოდის (MGMT) გამოყენებისას ეს მაჩვენებელი 58,8% იყო.
ტექნოლოგიის განვითარების პერსპექტივები
მიუხედავად მიღწეული შედეგებისა, მკვლევრები აღნიშნავენ, რომ ამ ეტაპზე სისტემა ძირითადად რთულ რელიეფზე გადაადგილებასა და ლოკალური მოძრაობების მართვაზეა ორიენტირებული.
უფრო კომპლექსური ამოცანების შესრულება, მათ შორის დაკიდება, ზემოთ მდებარე ზედაპირების საყრდენად გამოყენება და სხვადასხვა საგნით მანიპულირება, სამგანზომილებიანი აღქმის ტექნოლოგიების შემდგომ დახვეწას მოითხოვს.
ახალი მიდგომა ჰუმანოიდური რობოტების ავტონომიურობის გაზრდის მიმართულებით მნიშვნელოვანი ნაბიჯია. სამომავლოდ მსგავსი ტექნოლოგიები შესაძლოა განსაკუთრებით საჭირო გახდეს სამრეწველო, სამაშველო და ადამიანისთვის რთულად მისადგომ გარემოში რობოტების გამოყენებისას.