💻 computer science

System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot

مستوحاة من دراجي رياضة "الترالز" (trials)، تقدم هذه الورقة تصميم وتحكم مركبة التنقل الفائق (UMV)، وهي دراجة روبوتية تزن 23.5 كجم، تستخدم التحسين القائم على المحاكاة والتعلم المعزز المقيد لتحقيق نقل صفري (zero-shot transfer) لسلوكيات رياضية متنوعة، بما في ذلك القيادة عالية السرعة، والتوازن على عجلة واحدة، والقفز فوق العوائق التي تصل إلى 130% من ارتفاعها.

المؤلفون الأصليون: Benjamin Bokser, Daniel Gonzalez, Aaron Preston, Alex Bahner, Annika Wollschläger, Arianna Ilvonen, Asa Eckert-Erdheim, Ashwin Khadke, Bilal Hammoud, Dean Molinaro, Fabian Jenelten, Henry Mayne, Howie

نُشر 2026-03-18

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Benjamin Bokser, Daniel Gonzalez, Aaron Preston, Alex Bahner, Annika Wollschläger, Arianna Ilvonen, Asa Eckert-Erdheim, Ashwin Khadke, Bilal Hammoud, Dean Molinaro, Fabian Jenelten, Henry Mayne, Howie Choset, Igor Bogoslavskyi, Itic Tinman, James Tigue, Jan Preisig, Kaiyu Zheng, Kenny Sharma, Kim Ang, Laura Lee, Liana Margolese, Nicole Lin, Oscar Frias, Paul Drews, Ravi Boggavarapu, Rick Burnham, Samuel Zapolsky, Sangbae Kim, Scott Biddlestone, Sean Mayorga, Shamel Fahmi, Surya Singh, Tyler McCollum, Velin Dimitrov, William Moyne, Yu-Ming Chen, Farbod Farshidian, Marco Hutter, David Perry, Al Rizzi, Gabe Nelson

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل روبوتًا لا يكتفي بالمشي أو التدحرج فحسب، بل يركب.

تعرفوا على مركبة التنقل الفائقة (UMV). تبدو وكأنها دراجة هوائية، لكنها في الواقع لاعب أكروبات عالي التقنية. بينما معظم الروبوتات إما بطيئة وثابتة (مثل كلب يمشي) أو سريعة ولكنها خرقاء (مثل سيارة لا تستطيع صعود السلالم)، فقد صُممت الـ UMV لتفعل الأمرين معًا. يمكنها الانطلاق بسرعة 18 ميلاً في الساعة على طريق ممهد، ولكن يمكنها أيضًا القفز فوق جدار بارتفاع 3 أقدام، والتوازن على عجلة واحدة مثل مؤدي السيرك، وحتى القيام بشقلبة أمامية.

إليكم قصة كيفية بناء هذه المركبة، مشروحة ببساطة.

1. الفكرة الكبيرة: خدعة "دراج المحترف"

فكر في دراج محترف في رياضة "الترايال" (ذلك النوع الذي يقفز فوق الصخور ويتوازن على حواف ضيقة). هم لا يحتاجون إلى عجلة ثالثة أو قضيب تثبيت؛ بل يحافظون على استقامتهم من خلال تغيير وزن أجسامهم باستمرار. إذا مالوا لليسار، يتجهون يمينًا. وإذا أرادوا القفز، يلقون بأجسامهم للأعلى ويسحبون الدراجة معهم.

أراد المهندسون بناء روبوت يمكنه فعل ذلك، ولكن دون التعقيد الموجود في الروبوت ذي الأرجل الأربعة (الذي يحتوي على أجزاء متحركة كثيرة جدًا) أو الروبوت الذي يحتوي على عجلة ضخمة دوارة بداخله (والذي يكون ثقيلاً ويهدر الطاقة).

الحل: بنوا روبوتًا يتكون بنسبة 80% من دراجة و20% من "كتلة رد الفعل".

الدراجة: الجزء السفلي عبارة عن إطار دراجة خفيف الوزن بعجلتين.
"الرأس": الجزء العلوي عبلاً عبارة عن صندوق ثقيل وقوي يحتوي على العقل، والبطاريات، والمحركات.
السر الخفي: "الرأس" متصل بالدراجة بذراع ميكانيكية خاصة. يمكن للمحركات الموجودة في "الرأس" أن تجعل الجزء العلوي الثقيل يتأرجح بجنون حول نفسه. فمن خلال رمي "الرأس" في اتجاه ما، يجبر الروبوت "جسمه" (الدراجة) على الذهاب في الاتجاه الآخر. الأمر يشبه قطة تلتوي بجسدها في الهواء لتهبط على أقدامها.

2. كيف تعلم الحركة: المدرب "ألعاب الفيديو"

لا يمكنك برمجة روبوت للقيام بشقلبة أمامية عبر كتابة قائمة من القواعد مثل "حرك المحرك (أ)، ثم المحرك (ب)". الأمر معقد للغاية. بدلاً من ذلك، استخدم الفريق التعلم المعزز (RL).

فكر في هذا الأمر كتدريب كلب، ولكن لروبوت:

المحاكي: أنشأوا نسخة رقمية مطابقة تمامًا للروبوت داخل لعبة فيديو.
التجربة والخطأ: تركوا الروبوت يحاول الحركة في اللعبة ملايين المرات.
- إذا سقط؟ انتهت اللعبة. (لا توجد نقاط).
- إذا حافظ على توازنه؟ عمل جيد! (نقاط).
- إذا قفز عاليًا؟ رائع! (نقاط أكثر).
النتيجة: "تعلم" الروبوت فيزياء التوازن والقفز بمفرده. لقد اكتشف حيلًا قد لا تخطر على بال البشر، مثل تدوير عجلته الخلفية للخلف قليلاً قبل القفز للحصول على قوة رفع أكبر.

بمجرد أن أصبح الروبوت سيدًا في لعبة الفيديو، قاموا بتشغيله في العالم الحقيقي. ولأن التدريب كان قويًا ومتينًا، لم يحتج الروبوت لإعادة تعلم أي شيء. لقد بدأ ببساء في أداء نفس الحركات في الحياة الواقعية. وهذا ما يسمى "النقل الصفري" (Zero-Shot Transfer)، وهو مصطلح تقني يعني: "لقد تعلم في اللعبة وأدى ببراعة في الحياة الواقعية من المحاولة الأولى".

3. ماذا يمكنه أن يفعل حقًا؟

تسلط الورقة البحثية الضوء على بعض الحركات المذهلة:

"دوران التمايل": تخيل دراج "أحادي العجلة" يدور في مكانه دون التحرك للأمام. يمكن للـ UMV القيام بذلك عبر رفع عجلتها الأمامية واستخدام "رأسها" الثقيل لتدوير الدراجة حول العجلة الخلفية.
"وقفة الثبات": يمكنها التوازن بثبات تام على منحدر دون تحريك عضلة واحدة، تمامًا مثل الدراج المحترف.
"قفزة الطاولة": يمكنها رؤية طاولة، والركض نحوها، ثم إطلاق نفسها بارتفاع 3 أقدام في الهواء، والهبوط على الطاولة، والقيادة عبرها، ثم القفز من الجانب الآخر.
"الشقلبة الأمامية": يمكنها القفز، وضم جسدها بإحكام (لتدور بشكل أسرع)، والقيام بشقلبة أمامية كاملة، والهبوط على عجلاتها لتكون جاهزة للقيادة مرة أخرى.

4. لماذا يعد هذا أمرًا مهمًا؟

تُبنى معظم الروبوتات لوظيفة محددة. روبوت التوصيل يُبنى لحمل الصناديق؛ وروبوت الإنقاذ يُبنى لتسلق السلالم. أما الـ UMV فهي هجين.

العجلات فعالة: هي رائعة للتحرك بسرعة على الأرض المستوية (مثل السيارة).
الأرجل مرنة: هي رائعة للقفز فوق العقبات (مثل الماعز).

تجمع الـ UMV بين أفضل ما في العالمين. فهي بكفاءة الدراجة، ولكن بمرونة رياضي "الباركور". تزن حوالي قدر وزن كلب كبير (52 رطلاً)، لكن يمكنها القفز بنسبة 130% من طولها.

الخلاصة

يثبت هذا الروبوت أنك لست بحاجة إلى آلة معقدة وباهظة الثمن متعددة الأرجل للتنقل في التضاريس الوعرة. فمن خلال الجمع بين إطار دراجة بسيط و"رأس" ذكي وثقيل، والتعليم عبر أسلوب التجربة والخطأ الشبيه بألعاب الفيديو، نجح المهندسون في ابتكار آلة سريعة، موفرة للطاقة، وبارعة في الحركات البهلوانية بشكل مذهل.

إنه الفرق بين روبوت يمشي فوق بركة ماء، وروبوت يقفز فوقها، ويهبط، ويواصل طريقه دون أن يبذل أدنى مجهود.

ملخص تقني لتصميم نظام مركبة التنقل الفائق (Ultra Mobility Vehicle): روبوت دراجة (بسكليت) للقيادة، التوازن، والقفز.

1. بيان المشكلة

تواجه الروبوتات التي تتنقل في التضاريس المعقدة مقايضة جوهرية بين الرشاقة والكفاءة.

الروبوتات ذات الأرجل (ثنائية أو رباعية الأرجل) تتفوق في تجاوز العقبات والتضاريس غير المستوية، لكنها تعاني من التعقيد الميكانيكي العالي، والكتلة الكبيرة، وانخفاض كفاءة الطاقة بسبب العدد الكبير من درجات الحرية (DoFs) المفعلة المطلوبة (عادةً 12 درجة حرية أو أكثر).
الروبوتات ذات العجلات تتميز بكفاءة عالية وسرعة في التضاريس الناعمة، لكنها تواجه صعوبة مع الانقطاعات الرأسية والعقبات.
الهجين الحالي: غالبًا ما تستخدم الأنظمة الهجينة الحالية "عجلة-رجل" تكوينات متعددة المسارات (عجلات جنباً إلى جنب) أو تضيف عجلات رد فعل/جيروسكوبات لتحقيق الاستقرار. تزيد هذه الحلول من الكتلة، والمساحة التي يشغلها الروبوت، والتعقيد الميكاني، وغالبًا ما تفشل في تحقيق رشاقة الدراجين المحترفين الذين يمكنهم التوازن على عجلة واحدة، والقفز، والقيام بحركات شقلبة بأقل قدر من التفعيل.

التحدي الجوهري هو تصميم روبوت يجمع بين كفاءة الطاقة والسرعة للدراجة الهوائية وبين الرشاقة الديناميكية وتجاوز العقبات للنظام ذي الأرجل، باستخدام أقل عدد ممكن من درجات الحرية المفعلة ودون الاعتماد على آليات استقرار سلبية (مثل مساند الوقوف) أو مثبتات مساعدة ثقيلة (مثل عجلات رد الفعل).

2. المنهجية

يقترح المؤلفون مركبة التنقل الفائق (UMV)، وهي روبوت دراجة أحادية المسار مستقر ديناميكيًا، يتم التحكم فيه عبر تصميم مدفوع بالمحاكاة وإطار عمل للتعلم المعزز (RL) المقيد.

أ. تصميم النظام والمورفولوجيا (الشكل البنيوي)

الهيكل: يتكون الروبوت من ثلاث وصلات رئيسية: الدراجة (دفع العجلة الخلفية والتوجيه)، العنق، والرأس.
التفعيل: يستخدم فقط 5 درجات حرية مفعلة:
1. التوجيه ( $q_s$ )
2. دفع العجلة الخلفية ( $q_w$ )
3. ثلاث درجات حرية في الرأس ( $q_h, q_l, q_r$ ) تتحكم في وصلة مكانية (العنق + قضبان الربط) تحرك الرأس بالنسبة للدراجة.
خيارات التصميم الرئيسية:
- إعادة توزيع الكتلة: تتركز المكونات الثقيلة (البطارية، وحدة الحوسبة، محركات القفز) في الرأس. هذا يزيد من ارتفاع مركز الكتلة (CoM)، وهو أمر بالغ الأهمية لتعظيم ارتفاع القفز الرأسي.
- الوصلة المكانية: يتصل الرأس عبر وصلة مكانية بـ 3 درجات حرية. يسمح هذا للروبوت بـ "رمي" كتلته لتوليد زخم زاوي من أجل التوازن والقفز.
- الحركة خارج المستوى: تسمح درجة حرية محددة ( $\phi$ ) بالحركة الجانبية للرأس، مما يمكن الروبوت من التوازن على عجلة واحدة (مثل الدراجة أحادية العجلة/Unicycle) دون الحاجة لعجلات رد فعل.
الأجهزة (Hardware): يزن الروبوت 23.5 كجم ويبلغ طوله 0.8 متر (في وضع الانحناء). يستخدم محركات ذات كثافة طاقة عالية (CubeMars AK10-9) وحزمة بطاريات مخصصة قادرة على تفريغ ذروة يصل إلى 7.3 كيلوواط لدعم القفز الانفجاري.

ب. إطار التحكم: التعلم المعزز المقيد

يتم تعلم سياسة التحكم عبر عمليات ماركوف لاتخاذ القرار المقيدة (CMDP) باستخدام خوارزمية تحسين السياسة القريبة (PPO).

النقل الصفري (Zero-Shot Transfer): يتم تدريب السياسات بالكامل في المحاكاة (Isaac Lab) مع تعشية النطاق (Domain Randomization) المكثفة (عشوائية الكتلة، الاحتكاك، التأخير، الضجيج) ونقلها مباشرة إلى الروبوت الحقيقي دون الحاجة لضبط دقيق.
التعلم المعزز المقيد: بدلاً من العقوبات الناعمة، يتم فرض قيود السلامة (مثل أقصى تيار للمحرك، حدود المفاصل، سرعة الهبوط) كـ قيود صلبة. يؤدي انتهاك أي قيد إلى إنهاء حلقة التدريب فورًا، مما يجبر الوكيل (Agent) على تعلم سلوكيات آمنة بشكل طبيعي.
خط الإنتاج الموحد: تُستخدم بنية سياسة واحدة لمختلف السلوكيات (القيادة، رفع العجلة الأمامية "Wheelies"، القفز، الشقلبة) عن طريق تعديل دالة المكافأة ومدخلات الملاحظة (مثل إضافة أوامر نمط المشية أو المواقع المستهدفة).
تقدير الحالة: في المختبر، يتم دمج نظام التقاط الحركة مع وحدات قياس القصور الذاتي (IMUs) الموجودة على المتن عبر مخطط عامل (GTSAM) لتقدير الحالة بتردد عالٍ. كما أن النظام قادر على تقدير الحالة ذاتيًا باستخدام تقدير الموضع بالليزر والقصور الذاتي (LiDAR-inertial odometry).

ج. تحسين التصميم

تم تحسين المورفولوجيا عبر المحاكاة لتعظيم ارتفاع القفز الرأسي والقدرة على التحكم في التوازن على عجلة واحدة.

تحسين القفز: أعطى التصميم الأولوية لنقل الكتلة إلى الوصلة العلوية (الرأس) وتحسين نسب التروس لتعظيم نسبة الارتفاع الممتد إلى الارتفاع المنحني.
تحسين التوازن: أكد تحليل القدرة على التحكم أن إضافة مفصل خارج المستوى ( $\phi$ ) قلل بشكل كبير من جهد التحكم المطلوب للتوازن على عجلة خلفية واحدة، متفوقًا على التصميمات التي تعتمد فقط على التوجيه.

3. المساهمات الرئيسية

مورفولوجيا مبتكرة: تقديم روبوت دراجة أحادي المسار بـ 5 درجات حرية فقط، يحقق حركات بهلوانية عالية الرشاقة دون عجلات رد فعل أو آليات أرجل معقدة.
عملية تصميم مبدئية: سير عمل تحسين مدفوع بالمحاكاة يوازن بين ارتفاع القفز، وتوزيع الكتلة، والتعقيد الميكانيكي، مما أدى إلى توبولوجيا وصلة مكانية محددة.
إطار تعلم موحد: خط إنتاج تعلم معزز مقيد يدمج سياسات لسلوكيات رياضية متنوعة (القيادة، التوازن، رفع العجلة، القفز، الشقلبة) باستخدام بنية واحدة وتعديلات طفيفة في المكافآت.
النقل من المحاكاة إلى الواقع (Zero-Shot Sim-to-Real): النشر الناجح لمناورات ديناميكية معقدة على الأجهزة دون مجموعات بيانات صريحة أو نماذج توضيحية، بالاعتماد فقط على نمذجة "الواقع-إلى-المحاكاة" وتعشية النطاق.

4. النتائج

أظهر روبوت UMV أداءً رائدًا في كل من السرعة والرشاقة:

السرعة: حقق سرعة قصوى بلغت 8 م/ث، متفوقًا على الروبوتات رباعية الأرجل القياسية ومنافسًا للروبوتات ذات العجلات والأرجل مثل ANYmal on Wheels.
تجاوز العقبات: نجح في القفز فوق عقبات بارتفاع 1 متر (حوالي 130% من ارتفاع الروبوت).
السلوكيات الديناميكية:
- الوقوف على المسار (Track-Standing): التوازن في المكان باستخدام تشغيل العجلة والتوجيه فقط (مع تحسين الاستقرار عبر تفعيل الرأس).
- دوران الشيمي (Shimmy-Turn): الدوران في المكان عن طريق تحريك العجلة الأمامية جانبًا أثناء التوازن على العجلة الخلفية.
- القفز على العجلة الخلفية: قفز مستمر على عجلة واحدة في اتجاهات عشوائية، بما في ذلك القفز الجانبي.
- الشقلبة الأمامية (Front Flips): تنفيذ شقلبة أمامية كاملة عن طريق ضم الجسم لتقليل عزم القصور الذاتي، وتسريع الدوران إلى حوالي 17 راديان/ثانية، ثم الهبوط باستقرار.
المتانة: أظهر النظام تكرارية عالية في قفزات الطاولة (15 قفزة متتالية) والقدرة على التعافي من الاضطرابات أثناء القفز.

5. الأهمية

يمثل UMV تحولًا نوعيًا في مجال تنقل الروبوتات من خلال إثبات أن نقص التفعيل الميكانيكي (Mechanical Underactuation)، عند دمجه مع التحكم القائم على التعلم عالي النطاق الترددي، يمكن أن ينتج أداءً رياضيًا كان يُعتقد سابقًا أنه يتطلب أنظمة معقدة أو ثقيلة أو متعددة المسارات.

الكفاءة مقابل الرشاقة: يسد الفجوة بين كفاءة الطاقة للعجلات والقدرة على تجاوز العقبات للأرجل، مما يوفر منصة سريعة ورشيقة في آن واحد.
القابلية للتوسع: مع عدد أقل من المشغلات وهيكل ميكانيكي أبسط من الروبوتات ذات الأرجل، يوفر UMV مزايا في تكلفة التصنيع، والوزن، والصيانة.
التطبيقات المستقبلية: تجعل قدرات UMV هذا الروبوت مناسبًا جدًا للتطبيقات التي تتطلب عبورًا سريعًا للتضاريس الوعرة، مثل خدمات التوصير الحضري، والبحث والإنقاذ في المساحات الضيقة، والاستطلاع بعيد المدى.
نظرية التحكم: يوضح العمل أن التعلم المعزز المقيد يمكن أن يتعامل بفعالية مع الديناميكيات المعقدة غير الدنيا (non-minimum phase dynamics) ويكتشف استراتيجيات ناشئة (مثل "دوران الشيمي") التي يصعب ترميزها في نماذج التحكم الكلاسيكية.

باخت الدراسي، يثبت مركبة التنقل الفائق (UMV) أن المورفولوجيا القائمة على الدراجة، عندما تُعزز بكتلة رد فعل ويتم التحكم فيها بواسطة تعلم متقدم، يمكن أن تحقق مستوى من الرياضة الديناميكية يضاهي أو يتجاوز الروبوتات الحالية ذات الأرجل أو الهجينة، كل ذلك مع الحفاظ على بصمة مدمجة وكفاءة عالية في الطاقة.