CMUÐ gelingt ein Durchbruch: Der Roboterhund verfügt über einen vollen Beweglichkeitswert und kann Hindernisse mit extrem hoher Geschwindigkeit überwinden, wodurch Geschwindigkeit und Sicherheit kombiniert werden!

CMU- und ETH-Teams arbeiteten zusammen, um ein neues Framework namens „Agile But Safe“ (ABS) zu entwickeln, das eine Lösung für vierbeinige Roboter bietet, um Hochgeschwindigkeitsbewegungen in komplexen Umgebungen zu erreichen. Das Framework zeigt nicht nur eine hohe Effizienz bei der Kollisionsvermeidung, sondern erreicht auch eine beispiellose Geschwindigkeit von 3,1 Millisekunden. Diese Innovation bringt neue Fortschritte auf dem Gebiet der Beinroboter.

Im Bereich der Hochgeschwindigkeitsroboterbewegung war es schon immer eine große Herausforderung, Geschwindigkeit und Sicherheit gleichzeitig aufrechtzuerhalten. Doch einem Forschungsteam der Carnegie Mellon University (CMU) und der ETH Zürich (ETH) ist kürzlich ein Durchbruch gelungen. Der von ihnen entwickelte neue Vierbeiner-Roboteralgorithmus kann sich nicht nur schnell in komplexen Umgebungen bewegen, sondern auch Hindernissen geschickt ausweichen und so das Ziel „Agilität und Sicherheit“ wirklich erreichen. Die Innovation dieses Algorithmus liegt in seiner Fähigkeit, die Umgebung schnell zu identifizieren und zu analysieren und auf der Grundlage von Echtzeitdaten intelligente Entscheidungen zu treffen. Durch den Einsatz fortschrittlicher Sensoren und leistungsstarker Rechenleistung ist der Roboter in der Lage, Hindernisse in seiner Umgebung genau zu erkennen und ihnen auszuweichen, indem er seinen Gang und seine Flugbahn anpasst. Die erfolgreiche Anwendung dieser Technologie wird die Entwicklung von Hochgeschwindigkeitsrobotern erheblich vorantreiben.

Papieradresse: https://arxiv.org/pdf/2401.17583.pdf In verschiedenen Szenarien haben alle erstaunliche Fähigkeiten zur Vermeidung von Hindernissen bei hoher Geschwindigkeit bewiesen:

Enge Korridore voller Hindernisse:

Unordentliche Innenszenen:

Ob Gras oder draußen, statische oder dynamische Hindernisse, der Roboter Hund kann gelassen damit umgehen:

Bei der Begegnung mit einem Kinderwagen weicht der Roboterhund geschickt aus:

Auch Warnschilder, Kisten und Stühle sind kein Problem:

Er kommt auch problemlos damit zurecht mit dem plötzlichen Auftauchen von Matten und menschlichen Füßen Bypass:

Der Roboterhund kann sogar Adler spielen und Hühner fangen:

ABS Bahnbrechende Technologie:

RL+ Lernmodellfreier Reach-Avoid-Wert

ABS verwendet eine duale Richtlinieneinstellung, einschließlich einer „Agile Policy“ und einer „Recovery Policy“. Agilitätsstrategien ermöglichen es dem Roboter, sich schnell durch Hindernisse zu bewegen, während Wiederherstellungsstrategien eingreifen, um die Sicherheit des Roboters zu gewährleisten, sobald die Reach-Avoid-Value-Schätzung potenzielle Gefahren erkennt (z. B. das plötzliche Auftauchen eines Kinderwagens).

Innovationspunkt 1: Wie trainiert man eine agile Richtlinie?

Die Innovation der agilen Strategie besteht darin, dass sie statt einfach nur Geschwindigkeitsanweisungen in der Vergangenheit zu verfolgen, Positionsverfolgung nutzt, um die Agilität des Roboters zu maximieren. Diese Strategie trainiert den Roboter, sensomotorische Fähigkeiten zu entwickeln, um ein bestimmtes Ziel ohne Kollisionen zu erreichen. Durch die Verfolgung der Belohnungsbedingung einer hohen Grundgeschwindigkeit lernt der Roboter auf natürliche Weise, maximale Agilität zu erreichen und gleichzeitig Kollisionen zu vermeiden. Diese Methode überwindet die möglichen konservativen Einschränkungen herkömmlicher Geschwindigkeitsverfolgungsstrategien in komplexen Umgebungen und verbessert effektiv die Geschwindigkeit und Sicherheit von Robotern in Hindernisumgebungen. Agile Policy erreichte im eigentlichen Test eine maximale Geschwindigkeit von 3,1 m/s

Innovationspunkt 2: Lernrichtlinienbedingter Reach-Avoid-Wert

"Reach-Avoid, RA" ) Die Die Innovation des Wertelernens besteht darin, dass es einen modellfreien Lernansatz verfolgt, der sich von der herkömmlichen modellbasierten Erreichbarkeitsanalysemethode unterscheidet und besser für modellfreie Verstärkungslernstrategien geeignet ist. Anstatt einen globalen RA-Wert zu lernen, macht dieser Ansatz ihn von einer bestimmten Strategie abhängig, die das Scheitern einer agilen Strategie besser vorhersagen kann. Mit einem vereinfachten Satz von Beobachtungen kann das RA-Wertschöpfungsnetzwerk Sicherheitsrisiken effektiv verallgemeinern und vorhersagen. Der RA-Wert wird verwendet, um Wiederherstellungsstrategien zu steuern und dem Roboter dabei zu helfen, seine Bewegung zu optimieren, um Kollisionen zu vermeiden und so das Ziel zu erreichen, die Agilität zu verbessern und gleichzeitig die Sicherheit zu gewährleisten.

Die Abbildung unten zeigt den erlernten RA-Wert (Reach Defense) für einen bestimmten Satz von Hindernissen. Wenn sich die Robotergeschwindigkeit ändert, ändert sich die Verteilungslandschaft der RA-Werte entsprechend. Das Vorzeichen des RA-Wertes ist ein sinnvoller Hinweis auf die Sicherheit der agilen Strategie. Mit anderen Worten: Diese Grafik zeigt das Sicherheitsrisiko des Roboters, wenn er bestimmten Hindernissen mit unterschiedlichen Geschwindigkeiten durch unterschiedliche RA-Werte gegenübersteht. Die hohen und niedrigen Änderungen des RA-Werts spiegeln die Sicherheitsrisiken wider, denen der Roboter bei der Ausführung agiler Strategien in verschiedenen Zuständen ausgesetzt sein kann.

Innovationspunkt 3: Reach-Avoid Value und Wiederherstellungsstrategie verwenden, um den Roboter zu retten

Die Innovation der Wiederherstellungsstrategie besteht darin, dass sie es dem vierbeinigen Roboter ermöglicht, als Backup schnell lineare Geschwindigkeits- und Winkelgeschwindigkeitsanweisungen zu verfolgen Erhaltungsstrategien. Im Gegensatz zur agilen Strategie konzentriert sich der Beobachtungsraum der Wiederherstellungsstrategie auf die Verfolgung von Lineargeschwindigkeits- und Winkelgeschwindigkeitsbefehlen und erfordert keine externen sensorischen Informationen. Die Missionsbelohnungen der Wiederherstellungsstrategie konzentrieren sich auf die Verfolgung der linearen Geschwindigkeit, die Verfolgung der Winkelgeschwindigkeit, das Überleben und die Aufrechterhaltung der Körperhaltung, um einen reibungslosen Wechsel zurück zur Beweglichkeitsstrategie zu ermöglichen. Das Training dieser Strategie wird ebenfalls in einer Simulationsumgebung durchgeführt, jedoch mit spezifischer Domänen-Randomisierung und Kurseinstellungen, um sich besser an die Bedingungen anzupassen, die die Wiederherstellungsstrategie auslösen können. Dieser Ansatz bietet vierbeinigen Robotern die Möglichkeit, schnell auf mögliche Ausfälle bei Hochgeschwindigkeitsbewegungen zu reagieren.

Die folgende Abbildung zeigt eine visuelle Darstellung der RA-Wertelandschaft (Rare Defense), wenn die Wiederherstellungsstrategie in zwei spezifischen Situationen (I und II) ausgelöst wird. Diese Visualisierungen werden in den Ebenen vx (Geschwindigkeit entlang der x-Achse) versus ωz (Winkelgeschwindigkeit um die z-Achse) und vx versus vy (Geschwindigkeit entlang der y-Achse) durchgeführt. Die Abbildung zeigt den anfänglichen Rotationszustand vor der Suche (d. h. den aktuellen Rotationszustand der Roboterbasis) und die durch die Suche erhaltenen Befehle. Vereinfacht ausgedrückt zeigen diese Diagramme die optimalen Bewegungsanweisungen, die durch die Wiederherstellungsstrategiesuche unter bestimmten Bedingungen erhalten wurden, und wie sich diese Anweisungen auf den RA-Wert auswirken und somit die Sicherheit des Roboters in verschiedenen Bewegungszuständen widerspiegeln.

Robustheitstest

Der Autor testete die Robustheit des ABS-Rahmens in vier Szenarien „12 kg Last/Basketballaufprall/Tritt/Schnee“, und der Roboterhund war ruhig. Antwort:

Forschungsteam

Diese Forschung wurde gemeinsam von den Forschungsteams von CMU und ETH durchgeführt. Zu den Teammitgliedern gehören Tairan He, Chong Zhang, Wenli Xiao, Guanqi He, Changliu Liu und Guanya Shi. Ihre Zusammenarbeit brachte nicht nur große Durchbrüche auf dem Gebiet der Robotik, sondern eröffnete auch neue Anwendungsmöglichkeiten für vierbeinige Roboter. Der Erfolg dieser Technologie zeigt das große Potenzial vierbeiniger Roboter in den Bereichen Hochgeschwindigkeitsbewegung und sicheres Umgehen von Hindernissen. Es wird erwartet, dass dieser schnelle und sichere Vierbeiner-Roboter in Zukunft in vielen Bereichen wie Such- und Rettungsdiensten, Erkundungen und sogar Heimdiensten eine wichtige Rolle spielen wird.

Das obige ist der detaillierte Inhalt vonCMUÐ gelingt ein Durchbruch: Der Roboterhund verfügt über einen vollen Beweglichkeitswert und kann Hindernisse mit extrem hoher Geschwindigkeit überwinden, wodurch Geschwindigkeit und Sicherheit kombiniert werden!. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!