Learning Terrain-Adaptive Humanoid Locomotion on Granular Terrain
Dit artikel presenteert een op natuurkunde gebaseerd granulair contactmodel gebaseerd op 3D weerstandskrachttheorie en een terreinadaptief reinforcement learning-framework dat wendige humanoïde lokomotie op diverse real-world granulaire terreinen mogelijk maakt, wat de eerste succesvolle demonstratie van dergelijke capaciteiten in het veld markeert.
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
Robots hebben lang de kunst van het lopen op vaste grond beheerst, waarbij ze met de precisie van een mens over betonnen stoepen en houten vloeren navigeren. Maar stap op een strand, een grindpad of een veld met losse aarde, en de regels veranderen volledig. In tegen tegenstelling tot harde bestrating, die een stevige, onverzettelijke tegendruk biedt, gedraagt losse grond zoals zand of aarde zich onvoorspelbaar. Het kan zich als een solide rots gedragen onder een snelle stap, of stromen als een dikke vloeistof als de voet te diep wegzakt. Deze verschuivende aard maakt het ongelooflijk moeilijk voor een robot om te weten hoeveel kracht hij moet uitoefenen of hoe hij zijn evenwicht moet bewaren zonder weg te zakken of uit te glijden. Jarenlang hebben ingenieurs gestreden om machines te leren lopen op deze onstabiele oppervlakken, waarbij ze vaak vertrouwden op vereenvoudigde modellen die falen wanneer de grond meegeeft.
Een team van onderzoekers heeft nu een nieuwe manier ontwikkeld om humanoïde robots te leren lopen op losse, korrelige terreinen. Hun aanpak combineert een nauwkeuriger begrip van hoe voeten interageren met zand en grind met een leermethode die de robot in staat stelt de stijfheid van de grond in realtime te voelen. Door de robot te trainen in een zeer realistische virtuele omgeving die de fysica van het wegzakken en glijden nabootst, en hem vervolgens te testen op echte stranden en grindhopen, toonde het team aan dat hun robot kon lopen, rennen en zelfs springen op zachte grond waar eerdere modellen gefaald zouden hebben. Dit werk vormt een belangrijke stap naar het geven van de mogelijkheid aan robots om te opereren in de rommelige, ongestructureerde omgevingen van de echte wereld.
De kern van deze prestatie ligt in de manier waarop de onderzoekers de interactie tussen de voet van de robot en de grond hebben gemodelleerd. Traditionele methoden behandelen de grond vaak als een hard oppervlak dat de voet simpelweg stopt, of ze gebruiken ruwe schattingen om te bepalen hoe diep de voet zal zakken. Het nieuwe systeem gebruikt echter een natuurkundig model dat de weerstand berekent die de grond biedt terwijl de voet erin drukt. Dit model houdt rekening met hoe de hoek van de voet, de snelheid van de beweging en de diepte van de penetratie allemaal de kracht veranderen die de grond teruggeeft. In plaats van te gokken, berekent het systeem deze krachten op basis van de fysieke eigenschappen van het materiaal, of het nu droog zand, nat zand van het strand of basaltgesteente is. Hierdoor ervaart de robot in de simulatie dezelfde inzakkende en glijdende krachten als in de werkelijkheid.
Om dit in de praktijk te brengen, gebruikten de onderzoekers een leerproces in twee fasen. Eerst trainden ze een "leraar"-robot in de simulatie die toegang had tot perfecte informatie over de grond, zoals de exacte stijfheid en samenstelling. Deze leraar leerde hoe hij efficiënt kon lopen op verschillende oppervlakken. Vervolgens trainden ze een "student"-robot die alleen kon zien wat zijn eigen sensoren konden detecteren, zoals de beweging van zijn gewrichten en de krachten die op zijn lichaam inwerken. De student leerde de aard van de grond af te leiden uit deze interne signalen alleen, door effectief te raden naar de eigenschappen van het terrein door simpelweg te voelen hoe het bewoog. Eenmaal getraind, kon de student-robot zijn loopstijl onderweg aanpassen, door zijn voeten hoger op te tillen om te voorkomen dat ze slepen wanneer de grond zacht is, of door zijn pas aan te passen wanneer het oppervlak ongelijk is.
De resultaten van deze aanpak werden getest in zowel hoogwaardige computersimulaties als experimenten met hardware in de echte wereld. In de simulaties werd de robot geplaatst op verschillende soorten korrelig terrein, waaronder basalt, droog zand en papaja zaadjes, die dienden als een fijn, los materiaal. De robot die getraind werd met het nieuwe fysica-model navigeerde succesvol over deze oppervlakken, waarbij hij het evenwicht behield en loopcommando's volgde bij snelheden tot 2,5 meter per seconde. In contrast hiermee hadden robots die getraind waren met oudere, vereenvoudigde modellen aanzienlijke problemen en zakten ze vaak om of slaagden ze er niet in om vooruit te komen op de zachtere oppervlakken. Het nieuwe systeem kon niet alleen lopen, maar kon ook rennen en springen, taken die een precieze timing en krachttoepassing vereisen die bijna onmogelijk te bereiken zijn zonder een diep begrip van het gedrag van de grond.
Toen het team de getrainde robot in de echte wereld inzette op een Unitree G1 humanoïde, hielden de resultaten stand. Ze testten de robot op een basaltveld, een droog zandvolleyballveld en een strand. Op de harde basalt liep de robot soepel. Op het droge zand behield hij zijn evenwicht, zelfs bij hogere snelheden, terwijl oudere modellen het evenwicht zouden hebben verloren. Misschien nog indrukwekkender was dat de robot aantoonde de capaciteit te hebben om te voelen wanneer de grond veranderde. Terwijl hij van een harder oppervlak naar een patch zachter zand liep, paste hij automatisch zijn gang aan door zijn voeten hoger op te tillen om te voorkomen dat ze in het losse materiaal zouden slepen. Deze aanpassing gebeurde zonder vooraf geprogrammeerde instructies over de specifieke locatie; de robot reageerde simpelweg op de veranderende weerstand die hij door zijn benen voelde.
De onderzoekers observeerden ook dat de bewegingen van de robot efficiënter en zachter werden op zachte grond. Door de stijfheid van het terrein in te schatten, leerde de robot net genoeg kracht toe te passen om vooruit te komen zonder overtollig zand op te werpen of zijn gewrichten te hard te laten werken. Dit compliant gedrag, waarbij de robot de verstoring van de ongelijke grond absorbeert in plaats van ertegen te vechten, suggereert een natuurlijkere en energiezuinigere manier van lopen. De studie bevestigt dat voor robots om echt in het wild te kunnen opereren, zij in staat moeten zijn om de complexe, verschuivende aard van de grond onder hen te begrijpen en zich eraan aan te passen, waarbij ze verder gaan dan de rigide aannames uit het verleden.
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.