Learning Terrain-Adaptive Humanoid Locomotion on Granular Terrain
Cet article présente un modèle de contact granulaire fondé sur la physique, basé sur la théorie de la force résistive 3D, ainsi qu'un cadre d'apprentissage par renforcement adaptatif au terrain qui permet une locomotion humanoïde agile sur divers terrains granulaires réels, marquant la première démonstration réussie de telles capacités dans le domaine.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Les robots maîtrisent depuis longtemps l'art de marcher sur un sol solide, naviguant sur les trottoirs de béton et les parquets de bois avec la précision d'un humain. Mais posez un pied sur une plage, un chemin de gravier ou un champ de terre meuble, et les règles changent entièrement. Contrairement au pavé dur, qui offre une résistance ferme et inflexible, le sol meuble comme le sable ou la terre se comporte de manière imprévisible. Il peut agir comme une roche solide lors d'un pas rapide, ou couler comme un liquide épais si le pied s'enfonce trop profondément. Cette nature changeante rend extrêmement difficile pour un robot de savoir quelle force appliquer ou comment garder l'équilibre sans s'enfoncer ou glisser. Pendant des années, les ingénieurs ont lutté pour apprendre aux machines à marcher sur ces surfaces instables, s'appuyant souvent sur des modèles simplifiés qui échouent lorsque le sol cède.
Une équipe de chercheurs a maintenant développé une nouvelle façon d'apprendre aux robots humanoïdes à marcher sur des terrains granulaires meubles. Leur approche combine une compréhension plus précise de l'interaction entre les pieds et le sol avec une méthode d'apprentissage qui permet au robot de ressentir la rigidité du sol en temps réel. En entraînant le robot dans un environnement virtuel hautement réaliste qui imite la physique de l'enfoncement et du glissement, puis en le testant sur de véritables plages et des tas de gravier, l'équipe a démontré que leur robot pouvait marcher, courir et même sauter sur un sol mou où les modèles précédents auraient échoué. Ce travail représente une étape significative vers la capacité des robots à opérer dans les environnements désordonnés et non structurés du monde réel.
Le cœur de cette réussite réside dans la façon dont les chercheurs ont modélisé l'interaction entre le pied du robot et le sol. Les méthodes traditionnelles traitent souvent le sol comme une surface dure qui arrête simplement le pied, ou utilisent des estimations approximatives pour deviner à quel point le pied va s'enfoncer. Le nouveau système, cependant, utilise un modèle basé sur la physique qui calcule la résistance offerte par le sol à mesure que le pied s'y enfonce. Ce modèle tient compte de la manière dont l'angle du pied, la vitesse du mouvement et la profondeur de la pénétration modifient tous la force exercée par le sol en retour. Au lieu de deviner, le système calcule ces forces en fonction des propriétés physiques du matériau, qu'il s'agisse de sable sec, de sable de plage humide ou de roches de basalte. Cela permet au robot de ressentir dans la simulation les mêmes forces d'enfoncement et de glissement qu'il ressentirait dans la réalité.
Pour mettre cela en pratique, les chercheurs ont employé un processus d'apprentissage en deux étapes. D'abord, ils ont entraîné un robot « enseignant » dans la simulation qui avait accès à des informations parfaites sur le sol, telles que sa rigidité exacte et sa composition. Cet enseignant a appris à marcher efficacement sur diverses surfaces. Ensuite, ils ont entraîné un robot « étudiant » qui ne pouvait percevoir que ce que ses propres capteurs pouvaient détecter, comme le mouvement de ses articulations et les forces agissant sur son corps. L'étudiant a appris à déduire la nature du sol uniquement à partir de ces signaux internes, devinant efficacement les propriétés du terrain par le simple toucher de ses mouvements. Une fois entraîné, le robot étudiant pouvait adapter son style de marche à la volée, levant les pieds plus haut sur un sol mou pour éviter de les traîner, ou ajustant sa foulée lorsque la surface était inégale.
Les résultats de cette approche ont été testés à la fois dans des simulations informatiques de haute fidélité et lors d'expériences matérielles en conditions réelles. Dans les simulations, le robot a été placé sur différents types de terrains granulaires, incluant le basalte, le sable sec et les graines de pavot, qui servaient de matériau fin et meuble. Le robot entraîné avec le nouveau modèle de physique a réussi à naviguer sur ces surfaces, maintenant son équilibre et suivant des commandes de marche à des vitesses allant jusqu'à 2,5 mètres par seconde. En revanche, les robots entraînés avec des modèles plus anciens et simplifiés ont éprouvé des difficultés importantes, tombant souvent ou échouant à avancer sur les surfaces les plus molles. Le nouveau système ne s'est pas contenté de marcher, il a également réussi à courir et à sauter, des tâches qui nécessitent une précision de timing et d'application de force presque impossibles à atteindre sans une compréhension profonde du comportement du sol.
Lorsque l'équipe a déployé le robot entraîné sur un humanoïde Unitree G1 dans le monde réel, les résultats ont tenu bon. Ils ont testé le robot sur un champ de basalte, un terrain de volley-ball de sable sec et une plage. Sur le basalte dur, le robot marchait de manière fluide. Sur le sable sec, il a maintenu son équilibre même à des vitesses plus élevées, là où les modèles plus anciens auraient perdu l'équilibre. Peut-être plus impressionnant encore, le robot a démontré sa capacité à percevoir le changement de terrain. En passant d'une surface plus dure à une zone de sable plus meuble, il a automatiquement ajusté sa démarche, levant les pieds plus haut pour éviter qu'ils ne traînent dans le matériau meuble. Cette adaptation s'est produite sans aucune instruction préprogrammée concernant l'emplacement spécifique ; le robot a simplement réagi à la résistance changeante qu'il ressentait à travers ses jambes.
Les chercheurs ont également observé que les mouvements du robot devenaient plus efficaces et plus doux sur un sol mou. En estimant la rigidité du terrain, le robot a appris à appliquer juste assez de force pour avancer sans projeter excessivement de sable ou forcer trop sur ses articulations. Ce comportement compliant, où le robot absorbe la perturbation du sol inégal plutôt que de lutter contre elle, suggère une façon de marcher plus naturelle et plus économe en énergie. L'étude confirme que pour que les robots puissent réellement opérer dans la nature, ils doivent être capables de comprendre et de s'adapter à la nature complexe et changeante du sol sous leurs pieds, dépassant ainsi les hypothèses rigides du passé.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.