SOLO: Stable Omni-terrain Long-Horizon Perceptive Humanoid Locomotion
SOLO is een verenigd framework voor stabiele, langdurige humanoïde lokomotie die een Fourier-gecodeerde Query Reconstructor combineert voor het behoud van scherpe terreingrenzen en een Trajectory-Aware MSE distillatiemethode voor verbeterde temporele credit assignment, wat robuuste zero-shot traversering van complexe buiten- en binnenomgevingen mogelijk maakt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Wandelend door een bos hoeft een persoon niet de exacte hoogte van elke wortel of de precieze hoek van elke steen te berekenen. In plaats daarvan vertrouwt men op een naadloze lus: de ogen zien de grond, de hersenen interpreteren de vorm en de benen passen de stap aan, allemaal in een fractie van een seconde. Deze continue feedback stelt mensen in staat om lange afstanden over oneffen terrein af te leggen zonder te vallen, zelfs wanneer de ondergrond verandert van gras naar grind naar een steile trap. Decennialang hebben ingenieurs geprobeerd robots dezezelfde vaardigheid te geven. Ze hebben machines gebouwd die kunnen lopen, maar wanneer ze gevraagd wordt om een complexe, veranderende route gedurende een lange tijd te navigeren, struikelen deze robots vaak. Het probleem is niet dat ze niet met hun benen kunnen bewegen, maar dat hun begrip van de wereld in de loop van de tijd wazig wordt. Terwijl ze lopen, tellen kleine fouten in hoe ze de grond zien en hoe ze besluiten te bewegen zich op, wat er uiteindelijk toe leidt dat ze hun evenwicht verliezen.
Een team van onderzoekers heeft een nieuw systeem ontwikkeld genaamd SOLO, waarmee een humanoïde robot zeer lang over een continu, moeilijk pad kan lopen zonder te vallen. Het systeem werd getest op een robot genaamd Omni, die is uitgerust met een enkele camera op zijn borst en sensoren die zijn eigen lichaamspositie voelen. In een test in de echte wereld liep de robot 1,5 kilometer buiten, waarbij hij natuurlijke trappen, hellingen, gras en oneffen grond in één enkele run doorkruiste zonder enige menselijke hulp of reset. Het navigeerde ook succesvol door een complexe binnenbaan met gaten en obstakels. De onderzoekers ontdekten dat eerdere methoden faalden omdat ze belangrijke details van de grond gladstreken en omdat ze alleen controleerden of de huidige stap van de robot correct was, waarbij ze negeerden of die stap later tot een val zou leiden. SOLO lost beide problemen op door een scherper beeld van de grond te creëren en door de robot te leren vooruit te denken over hoe zijn huidige acties invloed zullen hebben op zijn toekomstige stabiliteit.
De kern van het probleem ligt in de manier waarop robots een mentale kaart van de grond opbouwen. Traditionele systemen nemen een stroom beelden van een camera en proberen deze om te zetten in een platte kaart van het terrein. Om dit snel te doen, comprimeren ze de visuele informatie vaak in één enkel, gedeeld overzicht. Hoewel dit werkt voor brede vormen, vervaagt het de scherpe randen die het belangrijkst zijn, zoals de exacte grens van een stapsteen of de rand van een trap. Wanneer een robot deze scherpe lijnen niet duidelijk kan zien, plaatst hij zijn voet op de verkeerde plek, en tijdens een lange wandeling stapelen deze kleine fouten zich op tot een val. De onderzoekers losten dit op door de manier waarop de robot om informatie vraagt te veranderen. In plaats van te vragen om een enkel overzicht van de hele scène, wijst het systeem een specifieke vraag toe aan elk afzonderlijk punt op de grondkaart. Elk punt vraagt aan de camerageschiedenis: "Wat is hier precies?" Dit stelt de robot in staat om de exacte details voor die specifieke plek op te halen, waardoor de scherpe randen van trappen en stenen behouden blijven die andere systemen de neiging hebben te vervagen.
Het tweede probleem dat de onderzoekers aanpakten, was hoe de robot leert lopen. Bij veel trainingsmethoden leert een robot door de acties van een perfecte leraar te kopiëren op het exacte moment dat hij staat. Als de voet van de robot op dit moment op de juiste plek staat, krijgt hij een beloning, zelfs als diezelfde actie er een paar stappen later toe zal leiden dat hij struikelt. Dit is als een student die een goed cijfer krijgt voor één enkele testvraag, maar slaagt niet voor het eindexamen omdat hij niet begreep hoe de vragen met elkaar verbonden zijn. Het nieuwe systeem, SOLO, voegt een laag van vooruitziendheid toe aan dit leerproces. Het controleert niet alleen of de robot nu het juiste doet; het controleert ook wat er gebeurt nadat de robot die stap zet. Als een specifieke actie leidt tot een toekomstige staat waarin de robot moeite zou hebben om de perfecte bewegingen van de leraar te evenaren, dan straft het systeem die actie af. Dit leert de robot om bewegingen te vermijden die er op het moment goed uitzien, maar tot problemen leiden op de lange termijn, wat hem effectief een gevoel van langetermijngevolgen geeft.
Om te bewijzen dat deze veranderingen werkten, lieten de onderzoekers de robot een reeks rigoureuze tests doorlopen in een gesimuleerde omgeving voordat ze naar buiten gingen. Ze vergeleken hun nieuwe systeem met oudere methoden die dezelfde trainingsdata en dezelfde robot gebruikten. Wanneer het terrein moeilijk was, zoals een reeks smalle stapstenen of steile trappen, faalden de oudere systemen meestal, waarbij de succespercentages bij de moeilijkste obstakels bijna naar nul daalden. In contrast hiermee slaagde het nieuwe systeem in 96 procent van de tests met stapstenen en in 97,5 procent van de algemene tests met moeilijk terrein. De onderzoekers maten de nauwkeurigheid van de grondkaart en ontdekten dat de nieuwe methode de fouten met meer dan drie keer verminderde in vergelijking met de oudere benaderingen. Deze verbetering betekende dat de robot zijn voeten met veel grotere precisie kon plaatsen, waardoor de kleine uitschieters die gewoonlijk een val veroorzaken, werden vermeden.
De laatste test vond plaats in de echte wereld, waar de robot volledig moest vertrouwen op zijn eigen sensoren zonder externe tracking of menselijke begeleiding. De robot liep een continue route van 1,5 kilometer buiten, waarbij hij natuurlijke overgangen tussen gras, zand en steen navigeerde. Het tacklede ook een binnenbaan die vereiste dat het trappen op en af ging, een gat overstak en over een verplaatsbaar obstakel stapte. In elk geval voltooide de robot de route zonder te vallen of te hoeven worden gestopt en gereset. De onderzoekers merkten op dat de robot alleen de gegevens gebruikte van zijn op de borst gemonteerde camera en zijn interne lichaamssensoren, wat bewees dat het systeem de complexiteit van de echte wereld kan aanpakken zonder een supercomputer of een perfecte kaart van het gebied nodig te hebben. Het succes van deze lange wandeling laat zien dat door te verbeteren hoe robots de grond zien en hoe ze hun stappen plannen, het mogelijk is om machines te creëren die kunnen bewegen door de wereld met een stabiliteit die die van de menselijke wandeling evenaart.
Dit werk beweert niet dat robots nu overal kunnen lopen zonder beperkingen. Het systeem vereist nog steeds dat een mens de algemene richting en snelheid bepaalt, terwijl de robot de details van balans en voetplaatsing afhandelt. De robot heeft ook een dode hoek achter zich, wat betekent dat hij niet zo gemakkelijk achteruit kan lopen over moeilijk terrein als hij vooruit loopt. De resultaten tonen echter een duidelijke weg vooruit voor het betrouwbaarder maken van humanoïde robots. Door een scherpere manier van de grond zien te combineren met een slimmere manier van leren van fouten, hebben de onderzoekers aangetoond dat robots lange, complexe routes kunnen afleggen zonder hun evenwicht te verliezen. Deze vooruitgang brengt het vakgebied dichter bij het doel om robots te hebben die kunnen werken en bewegen naast mensen in de rommelige, onvoorspelbare omgevingen van de echte wereld.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.