Learning Slope-Adaptive Whole-Body Locomotion for Humanoid Robots in Roofing Construction
Cet article présente un cadre sémantique de tâche et ancré dans la scène qui combine des démonstrations humaines révisées avec l'optimisation de trajectoire et l'apprentissage par renforcement pour permettre à un robot humanoïde Unitree G1 d'exécuter de manière robuste des tâches complexes de locomotion et de construction adaptatives aux pentes, telles que la couverture de toit, tout en maintenant des contraintes précises de support et de dégagement de travail.
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
Imaginez un robot capable de marcher, de grimper et de travailler tout comme un être humain. Pendant des années, les scientifiques ont appris aux machines à se déplacer en leur montant des vidéos de personnes marchant ou courant. L'ordinateur copie les mouvements, ordonnant aux jambes et aux bras du robot de mimer le corps humain. Cela fonctionne bien sur des sols plats, mais cela s'effondre lorsque le sol est incliné. Sur un toit escarpé, une simple copie d'un mouvement humain peut être dangereuse. Si le robot essaie de copier un humain qui se penche pour enfoncer un clou, l'ordinateur pourrait placer les pieds du robot dans le vide ou pousser ses mains directement à travers les tuiles du toit. Le robot doit comprendre non seulement comment le corps bouge, mais aussi où se trouve ce corps par rapport à la surface spécifique sur laquelle il se tient. C'est le défi central pour donner aux robots la capacité de travailler dans le monde désordonné et irrégulier de la construction.
Une équipe de chercheurs de l'Université de la Floride a abordé ce problème en apprenant à un robot humanoïde comment agir comme un couvreur. Ils se sont concentrés sur un type spécifique de robot appelé Unitree G1, qui se tient sur deux jambes et possède des bras comme une personne. L'objectif était d'aller au-delà de la simple marche et d'apprendre à la machine à traverser un toit en pente, à se pencher pour travailler et à utiliser des outils comme un cloueur ou un marteau sans tomber ou percuter la surface. Les chercheurs ont réalisé que le simple fait de copier les mouvements d'un humain ne suffisait pas. Un humain sait instinctivement comment ajuster son équilibre sur une pente, mais un robot suivant un script vidéo pourrait ne pas réaliser que son pied est suspendu au-dessus d'un vide ou que sa main est sur le point de transpercer le toit. Pour résoudre cela, l'équipe a créé une nouvelle méthode qui combine le mouvement humain avec une carte numérique précise du toit.
Le processus a commencé par l'enregistrement d'un travailleur humain effectuant des tâches de couverture sur une rampe de laboratoire. La personne portait un casque de réalité virtuelle et des capteurs sur les mains et les chevilles, permettant aux chercheurs de capturer le rythme et le flux des mouvements. Ces données ont ensuite été transférées au robot, créant un premier brouillon du mouvement. Cependant, ce brouillon était imparfait. Comme le corps du robot est différent de celui d'un humain, la copie initiale plaçait les pieds du robot aux mauvais endroits et ses mains à des hauteurs incorrectes par rapport au toit. Pour corriger cela, les chercheurs ont utilisé un modèle 3D détaillé de la surface du toit. Ils ont ajusté le chemin de référence du robot pour que ses pieds soient fermement plantés sur la pente et que ses mains restent à une distance sûre et spécifique des tuiles. Par exemple, ils ont veillé à ce que la main du robot reste exactement à 25 centimètres du toit lorsqu'il tient un cloueur, et à 12 centimètres lorsqu'il utilise un marteau. Cette étape a permis de s'assurer que le plan du robot était physiquement possible et sûr avant même qu'il ne tente de bouger.
Même avec un plan parfait, un robot peut encore commettre des erreurs lorsqu'il se déplace réellement. Le monde réel est plein de petits glissements et de retards qu'une simulation informatique ne prédit pas toujours. Pour gérer cela, les chercheurs ont appris au robot à prêter attention à ces règles de sécurité pendant qu'il se déplaçait. Ils ont utilisé une méthode d'apprentissage qui récompensait le robot lorsqu'il maintenait ses mains à la bonne distance du toit et le punissait si une partie de son corps touchait la surface alors qu'elle ne le devrait pas. Cet entraînement a eu lieu d'abord dans une simulation informatique, où le robot s'est exercé des milliers de fois sur différents angles de toit, allant d'une pente douce de 9 degrés à une inclinaison raide de 25 degrés. Les résultats ont montré que le robot a appris à adapter sa posture à la pente, maintenant son équilibre tout en se penchant pour travailler.
L'équipe a ensuite testé ces compétences sur le robot réel dans leur laboratoire. Ils ont installé une véritable plateforme de toit et ont laissé le robot tenter les tâches qu'il avait apprises dans la simulation. Le robot a réussi à monter la pente, à se pencher pour tenir un cloueur et à balancer un marteau. Dans chaque test, le robot a gardé ses pieds sur le toit et ses mains à la bonne distance, évitant toute collision avec la surface. Les mesures ont montré que les mouvements du robot étaient précis, son corps restant à quelques centimètres seulement du chemin prévu. Les chercheurs ont également comparé leur méthode à d'autres approches. Ils ont constaté que les robots entraînés uniquement à suivre un signal de récompense sans guide de mouvement humain finissaient dans des positions accroupies étranges qui ne ressemblaient pas à un vrai travail de couverture. De même, les robots contrôlés directement par un opérateur humain en temps réel perda ne pas l'équilibre et tombaient en essayant de monter sur la pente. La nouvelle méthode, qui combinait le mouvement humain, une carte numérique du toit et un apprentissage sensible à la sécurité, était la seule qui fonctionnait de manière fiable.
Cette étude suggère que pour que les robots travaillent dans la construction, ils ont besoin de plus que de la simple capacité de marcher. Ils doivent comprendre la géométrie de la surface sur laquelle ils se tiennent et maintenir une relation sûre avec celle-ci pendant qu'ils travaillent. Les chercheurs ont découvert que le simple fait de copier les mouvements humains ne suffit pas ; le robot doit être ancré dans la réalité physique du chantier. En apprenant au robot à respecter la forme du toit et à garder ses outils à la bonne distance, l'équipe a créé les fondations de machines qui pourraient un jour aider pour des tâches dangereuses comme la couverture. Bien que les tests actuels aient été réalisés dans un laboratoire contrôlé avec un harnais de sécurité, les résultats montrent que les compétences de base pour grimper et travailler sur une pente sont à portée de main. La prochaine étape sera de voir si ces robots peuvent gérer les conditions rugueuses, irrégulières et imprévisibles d'un véritable chantier de construction.
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.