CMUÐ mencapai kejayaan: anjing robot mempunyai nilai ketangkasan penuh, boleh merentas halangan pada kelajuan super tinggi dan mempunyai kedua-dua kelajuan dan keselamatan!

Pasukan CMU dan ETH Zurich bekerjasama untuk membangunkan rangka kerja baharu yang dipanggil "Agile But Safe" (ABS), yang menyediakan penyelesaian untuk robot berkaki empat untuk mencapai pergerakan berkelajuan tinggi dalam persekitaran yang kompleks. Rangka kerja ini bukan sahaja menunjukkan kecekapan tinggi dalam mengelakkan perlanggaran, tetapi juga mencapai kelajuan 3.1 milisaat yang tidak pernah berlaku sebelum ini. Inovasi ini membawa kemajuan baharu kepada bidang robot berkaki.

Dalam bidang pergerakan robot berkelajuan tinggi, mengekalkan kelajuan dan keselamatan pada masa yang sama sentiasa menjadi cabaran besar. Walau bagaimanapun, pasukan penyelidik di Carnegie Mellon University (CMU) dan ETH Zurich (ETH) baru-baru ini mencapai kejayaan. Algoritma robot berkaki empat baharu yang mereka bangunkan bukan sahaja boleh bergerak pantas dalam persekitaran yang kompleks, tetapi juga dengan mahir mengelak halangan, benar-benar mencapai matlamat "ketangkasan dan keselamatan". Inovasi algoritma ini terletak pada keupayaannya untuk mengenal pasti dan menganalisis persekitaran sekeliling dengan cepat dan membuat keputusan bijak berdasarkan data masa nyata. Dengan menggunakan penderia termaju dan kuasa pengkomputeran yang berkuasa, robot dapat mengesan halangan di sekelilingnya dengan tepat dan mengelakkannya dengan melaraskan gaya berjalan dan trajektorinya. Kejayaan penerapan teknologi ini akan sangat menggalakkan pembangunan robot berkelajuan tinggi

Alamat kertas: https://arxiv.org/pdf/2401.17583.pdf

Dengan sokongan ABS, anjing robot itu boleh melakukan dalam pelbagai senario Semua telah menunjukkan keupayaan mengelak halangan berkelajuan tinggi yang menakjubkan:

Koridor sempit yang dipenuhi halangan:

Adegan dalaman yang kucar-kacir:

🎜🎜🎜🎜 anjing boleh mengendalikannya dengan tenang : 🎜🎜🎜🎜🎜 Apabila terserempak dengan kereta sorong, anjing robot itu mengelak dengan cekap: 🎜🎜🎜🎜🎜 Tanda amaran, kotak dan kerusi juga tidak menjadi masalah: 🎜🎜🎜🎜🎜🎜 dengan mudah. dengan kemunculan secara tiba-tiba tikar dan kaki manusia Bypass: 🎜🎜🎜🎜🎜Anjing robot pun boleh bermain helang dan menangkap ayam: 🎜🎜🎜🎜🎜🎜Teknologi Terobosan ABS: 🎜🎜🎜 Model Pembelajaran Tanpa Nilai RL+IDvo 🎜🎜🎜ABS menggunakan tetapan A dwi dasar, termasuk "Dasar Tangkas" dan "Dasar Pemulihan". Strategi ketangkasan membolehkan robot bergerak dengan pantas melalui halangan, manakala strategi pemulihan melangkah masuk untuk memastikan keselamatan robot sebaik sahaja Anggaran Nilai Jangkauan-Elak mengesan potensi bahaya (seperti kemunculan kereta sorong secara tiba-tiba). 🎜

Titik inovasi 1: Bagaimana untuk melatih Polisi Tangkas?

Inovasi strategi tangkas ialah bukannya hanya menjejaki arahan kelajuan pada masa lalu, ia menggunakan pengesanan kedudukan untuk memaksimumkan ketangkasan robot. Strategi ini melatih robot untuk membangunkan kemahiran sensorimotor untuk mencapai matlamat yang ditentukan tanpa perlanggaran. Dengan mengikuti syarat ganjaran kelajuan asas yang tinggi, robot secara semula jadi belajar untuk mencapai ketangkasan maksimum sambil mengelakkan perlanggaran. Kaedah ini mengatasi kemungkinan had konservatif strategi pengesanan halaju tradisional dalam persekitaran yang kompleks dan secara berkesan meningkatkan kelajuan dan keselamatan robot dalam persekitaran berhalangan. Dasar Tangkas mencapai kelajuan maksimum 3.1m/s dalam ujian sebenar

Titik inovasi 2: Nilai capaian-elak berkondisi Polisi

, RACH-Elakkan) inovasi pembelajaran nilai ialah ia mengamalkan pendekatan pembelajaran tanpa model, yang berbeza daripada kaedah analisis kebolehcapaian berasaskan model tradisional dan lebih sesuai untuk strategi pembelajaran peneguhan tanpa model. Daripada mempelajari nilai RA global, pendekatan ini menjadikannya bergantung pada strategi tertentu, yang boleh meramalkan kegagalan strategi tangkas dengan lebih baik. Dengan set pemerhatian yang dipermudahkan, rangkaian nilai RA boleh menyamaratakan dan meramalkan risiko keselamatan dengan berkesan. Nilai RA digunakan untuk membimbing strategi pemulihan dan membantu robot mengoptimumkan pergerakannya untuk mengelakkan perlanggaran, dengan itu mencapai matlamat untuk meningkatkan ketangkasan sambil memastikan keselamatan.

Rajah di bawah menunjukkan nilai RA (pertahanan jangkauan) yang dipelajari untuk set halangan tertentu. Apabila kelajuan robot berubah, landskap pengedaran nilai RA berubah dengan sewajarnya. Tanda nilai RA adalah petunjuk munasabah tentang keselamatan strategi tangkas. Dalam erti kata lain, graf ini menunjukkan risiko keselamatan robot apabila menghadapi halangan tertentu pada kelajuan yang berbeza melalui nilai RA yang berbeza. Perubahan tinggi dan rendah dalam nilai RA mencerminkan risiko keselamatan yang mungkin dihadapi oleh robot apabila melaksanakan strategi tangkas di negeri yang berbeza. . strategi pemuliharaan. Tidak seperti strategi tangkas, ruang pemerhatian strategi pemulihan memfokuskan pada menjejaki halaju linear dan arahan halaju sudut dan tidak memerlukan maklumat deria luaran. Ganjaran misi strategi pemulihan memfokuskan pada penjejakan halaju linear, penjejakan halaju sudut, kekal hidup dan mengekalkan postur untuk membolehkan peralihan lancar kembali kepada strategi ketangkasan. Latihan strategi ini juga dilakukan dalam persekitaran simulasi, tetapi dengan rawak domain khusus dan tetapan kurikulum untuk menyesuaikan diri dengan lebih baik dengan keadaan yang mungkin mencetuskan strategi pemulihan. Pendekatan ini menyediakan robot berkaki empat dengan keupayaan untuk bertindak balas dengan cepat terhadap potensi kegagalan semasa gerakan berkelajuan tinggi.

Rajah di bawah menunjukkan gambaran visual landskap nilai RA (Rare Defense) apabila strategi pemulihan dicetuskan dalam dua situasi tertentu (I dan II). Penggambaran ini dilakukan dalam satah vx (halaju sepanjang paksi-x) berbanding ωz (halaju sudut mengenai paksi-z) dan vx (halaju sepanjang paksi-y). Rajah menunjukkan keadaan putaran awal sebelum carian (iaitu, keadaan putaran semasa pangkalan robot) dan arahan yang diperoleh melalui carian. Ringkasnya, carta ini menunjukkan arahan gerakan optimum yang diperoleh melalui carian strategi pemulihan di bawah keadaan tertentu, dan cara arahan ini mempengaruhi nilai RA, sekali gus mencerminkan keselamatan robot dalam keadaan gerakan yang berbeza.

.

Pasukan Penyelidik

Penyelidikan ini telah disiapkan bersama oleh pasukan penyelidik CMU dan ETH. Ahli pasukan termasuk Tairan He, Chong Zhang, Wenli Xiao, Guanqi He, Changliu Liu dan Guanya Shi. Kerjasama mereka bukan sahaja mencapai kejayaan besar dalam bidang robotik, tetapi juga membuka kemungkinan aplikasi baharu untuk robot berkaki empat. Kejayaan teknologi ini menunjukkan potensi besar robot berkaki empat dalam bidang pergerakan berkelajuan tinggi dan mengelakkan halangan yang selamat. Pada masa hadapan, robot berkaki empat berkelajuan tinggi dan selamat ini dijangka memainkan peranan penting dalam banyak bidang seperti mencari dan menyelamat, penerokaan dan juga perkhidmatan rumah.

Atas ialah kandungan terperinci CMUÐ mencapai kejayaan: anjing robot mempunyai nilai ketangkasan penuh, boleh merentas halangan pada kelajuan super tinggi dan mempunyai kedua-dua kelajuan dan keselamatan!. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!