RK-MPC: Residual Koopman Model Predictive Control for Quadruped Locomotion in Offroad Environments
تقدم هذه الورقة البحثية إطار عمل RK-MPC، وهو إطار للتحكم التنبئي بالنماذج المعتمد على البيانات وفي الوقت الفعلي، يجمع بين نموذج نمطي وتنبؤ متبقٍ خطي مُتعلم لتمكين حركة رباعية الأرجل قوية وعالية التردد عبر تضاريس متنوعة وغير منظمة خارج الطرق.
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 أنك تعلم كلباً كيف يركض عبر غابة.
إذا قلت للكلب فقط، "اركض في خط مستقيم"، فقد يتعثر بجذر شجرة، أو ينزلق على بقعة طين، أو يرتبك بسبب تلة مفاجئة. وإذا حاولت كتابة كتاب فيزياء مثالي يصف بدقة كيفية تفاعل كل مخلب مع كل نوع من الأوراق، والصخور، وندفات الثلج، لكان الكتاب آلاف الصفحات، ولكان الكلب قد أصبح بطيئاً جداً في القراءة قبل أن يسقط.
تقدم هذه الورقة حلاً يسمى RK-MPC (التحكم التنبئي بالنموذج المتبقي لـ كوبمان). فكر في الأمر كأنه منح الكلب الآلي دماغاً ذكياً يتكون من جزأين، يجمع بين "كتاب القواعد" و"الخبرة العملية".
إليك كيف يعمل، مقسماً إلى مفاهيم بسيطة:
1. "كتاب القواعد" (النموذج الاسمي)
أولاً، لدى الروبوت فهم أساسي لكيفية تحركه المفترض. هذا يشبه كتاب الفيزياء. هو يعرف أنه إذا دفع ساقه للأمام، فإنه سيتحرك للأمام. ويعرف أن الجاذبية تسحبه للأسفل.
- المشكلة: كتاب القواعد هذا رائع لأرضية صالة رياضية مسطحة وناعمة. لكن في العالم الحقيقي (خارج الطرق الممهدة)، تكون الأرض وعرة وغير منتظمة. كتاب القواعد لا يعرف شيئاً عن الجليد المنزلق، أو الثلوج العميقة، أو الحصى السائب. إذا اعتمد الروبوت فقط على كتاب القواعد هذا، فسيرتكب أخطاءً ويسقط.
2. "الخبرة العملية" (المتعلم المتبقي)
هذا هو الجزء السحري. بدلاً من محاولة إعادة كتابة كتاب الفيزياء بأكمله ليراعي كل صخرة وبركة ماء محتملة، يتعلم الروبوت "ملاحظة تصحيحية صغيرة".
- التشبيه: تخيل أنك تقود سيارة. يقول كتاب القواعد: "إذا أدرت المقود 10 درجات، ستنعطف السيارة 10 درجات". لكنك تعرف من تجربتك أنه في الطرق المبللة، تحتاج لتدويره 12 درجة للحصول على نفس النتيجة.
- "الجزء المتبقي" (Residual) في هذا النظام يشبه مساعد طيار يهمس في أذنك: "مهلاً، الطريق زلق اليوم، لذا أدر المقود أكثر قليلاً مما يقول كتاب القواعد".
- هو يتعلم هذا "الهمس" من خلال مراقبة حركة الروبوت وملاحظة الفرق بين ما تنبأ به كتاب القواعد وما حدث بالفعل. إنه يتعلم نمطاً بسيطاً وسريعاً لتصحيح الأخطاء.
3. خدعة "كوبمان" (جعلها خطية)
عادة ما يكون تعلم هذه التصحيحات أمراً صعباً لأن العالم فوضوي وغير خطي (التغييرات الصغيرة يمكن أن تؤدي إلى نتائج كبيرة وغير متوقعة).
- الاستعارة: تخيل أنك تحاول رسم دائرة مثالية على ورقة مجعدة. الأمر صعب. ولكن ماذا لو استطعت "رفع" تلك الورقة سحرياً إلى بُعد أعلى حيث تصبح مسطحة مرة أخرى؟ عندها يصبح رسم الدائرة سهلاً.
- طريقة كوبمان هي تلك الخدعة السحرية. فهي تأخذ البيانات المعقدة وغير المنتظمة لحركة الروبوت على التضاريس الوعرة و"ترفعها" إلى فضاء رياضي تصبح فيه القواعد بسيطة وخطوطاً مستقيمة (خطية). وهذا يسمح للروبوت بإجراء عمليات حسابية معقدة بسرعة فائقة جداً.
4. "المخطط التنبئي" (MPC)
الآن، الروبوت لا يكتفي بمجرد رد الفعل؛ بل يخطط للمستقبل.
- التشبيه: فكر في لاعب الشطرنج. هو لا يحرك قطعة بناءً على ما يحدث الآن فقط؛ بل ينظر 5 أو 10 خطوات للأمام ليرى ما إذا كان سيقع في فخ.
- الـ MPC (التحكم التنبئي بالنموذج) هو لاعب الشطرنج هذا. في كل جزء من الثانية، يقوم بإجراء محاكاة: "إذا خطوت هنا، هل سأنزلق؟ إذا خطوت هناك، هل سأصطدم بصخرة؟".
- يستخدم كتاب القواعد + الخبرة العملية (المتبقية) لعمل هذه التنبؤات. ولأن الرياضيات تظل بسيطة (بفضل خدعة كوبمان)، يمكنه القيام بهذا التخطيط 500 مرة في الثانية—وهي سرعة كافية للحفاظ على توازن الروبوت أثناء الجري بأقصى سرعة.
لماذا يعد هذا أمراً هاماً؟
اختبر الباحثون هذا النظام على روبوت حقيقي (Unitree Go1، والذي يشبه كلباً صغيراً) في ظروف صعبة للغاية:
- العشب والحصى: لم ينزلق الروبوت.
- الثلج والجليد: قام الروبوت بتعديل خطواته لكي لا ينزلق بعيداً.
- الحركة "العمياء": لم يستخدم الروبوت كاميرات لرؤية الأرض. لقد شعر بالأرض فقط بقدميه وعدّل وضعيته فوراً.
- أنماط حركة مختلفة: علموه كيف "يهرول" (مثل الحصان)، ولكن كان بإمكانه أيضاً "الزحف" (ببطء وثبات) دون الحاجة لإعادة تدريبه.
الخلاصة
الأساليب السابقة كانت تشبه محاولة حفظ كل مسار ممكن عبر الغابة (وهذا بطيء جداً) أو مجرد التخمين بناءً على التجربة والخطأ (وهذا خطير جداً).
RK-MPC هو المنطقة الوسطى المثالية. فهو يحافظ على قواعد الفيزياء الموثوقة ولكنه يضيف "طبقة تعلم" صغيرة وفائقة السرعة تقوم بتصحيح الأخطاء في الوقت الفعلي. إنه كمن يمنح الروبوت شهادة دكتوراه في الفيزياء بالإضافة إلى خبرة حياة كاملة في المشي عبر الطين، كل ذلك مع الحفاظ على خفة عقله ليعمل على كمبيوتر صغير مثبت على ظهره.
هذا يعني أننا نستطيع أخيراً إرسال الروبوتات إلى مناطق الكوارث، أو الغابات، أو الجبال الثلجية للقيام بالمهام، ونحن واثقون من أنها لن تتعثر في صخرة واحدة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.