Wie der Roboter Cheetah des MIT seine Geschwindigkeit erlangte

Es gibt eine neue Version eines sehr schnellen vierbeinigen Roboters vom Labor für Informatik und künstliche Intelligenz des MIT (CSAIL). Während vierbeinige Roboter in den letzten Jahren unzählige Aufmerksamkeit erregt haben, ist eine überraschend alltägliche Fähigkeit für sie bislang unerreichbar: Laufen.

Das liegt daran, dass der Betrieb in einer realen Umgebung phänomenal komplex ist. Das schnelle Tempo lässt den Robotern kaum Raum, Herausforderungen zu begegnen, sich von ihnen zu erholen und sich an sie anzupassen (z. B. rutschige Oberflächen, physische Hindernisse oder unebenes Gelände). Darüber hinaus bringen die Belastungen beim Laufen die Hardware an ihre Drehmoment- und Belastungsgrenzen. Gabriel Margolis, Doktorand am MIT CSAIL, und Ge Yang, Postdoktorand am Institute of AI and Fundamental Interactions (IAIFI), sagten kürzlich: MIT-Nachrichten:

Unter solchen Bedingungen ist die Roboterdynamik schwer analytisch zu modellieren. Der Roboter muss schnell auf Veränderungen in der Umgebung reagieren, beispielsweise auf den Moment, in dem er beim Laufen auf Gras auf Eis trifft. Wenn der Roboter läuft, bewegt er sich langsam und Schnee ist normalerweise kein Problem. Stellen Sie sich vor, Sie würden langsam, aber vorsichtig gehen: Sie können fast jedes Gelände durchqueren. Heutige Roboter stehen vor einem ähnlichen Problem. Das Problem besteht darin, dass die Fortbewegung auf jedem Gelände, als ob man auf Eis laufen würde, sehr ineffizient ist, bei heutigen Robotern jedoch weit verbreitet ist. Der Mensch läuft auf Gras schnell und auf Eis langsamer – wir passen uns an. Um Robotern eine ähnliche Anpassungsfähigkeit zu verleihen, müssen Geländeveränderungen schnell erkannt und schnell angepasst werden, um ein Umfallen des Roboters zu verhindern. Zusammenfassend lässt sich sagen, dass es unpraktisch ist, analytische (von Menschen entworfene) Modelle aller möglichen Gelände zu erstellen Wenn der Roboter voranschreitet und die Dynamik des Roboters bei hohen Geschwindigkeiten komplexer wird, ist das Laufen mit hoher Geschwindigkeit eine größere Herausforderung gehen.

Was den neuesten MIT Mini Cheetah auszeichnet, ist seine Leistung. Zuvor verwendeten der MIT Cheetah 3 und der Mini Cheetah agile Laufcontroller, die von menschlichen Ingenieuren entwickelt wurden, die das analysierten Physik der Fortbewegung, formulierte mangelhafte Abstraktionen und implementierte eine spezielle Hierarchie von Controllern, um den Roboter ins Gleichgewicht zu bringen und Renn. Genauso funktioniert auch der Spot-Roboter von Boston Dynamics.

Dieses neue System basiert auf einem Erfahrungsmodell, um in Echtzeit zu lernen. Tatsächlich kann der MIT-Roboter durch das Training seines einfachen neuronalen Netzwerks in einem Simulator in nur drei Stunden 100 Tage Erfahrung in unterschiedlichem Gelände sammeln.

„Wir haben einen Ansatz entwickelt, mit dem sich das Verhalten des Roboters anhand simulierter Erfahrungen verbessert, und unseren Ansatz „Ermöglicht entscheidend auch die erfolgreiche Umsetzung dieser erlernten Verhaltensweisen in der realen Welt“, erklären Margolis und Yang.

„Die Intuition, warum die Lauffähigkeiten des Roboters in der realen Welt gut funktionieren, ist: Von allen In einigen Umgebungen, die er in diesem Simulator sieht, werden Roboterfähigkeiten vermittelt, die in der Realität nützlich sind Welt. Beim Einsatz in der realen Welt identifiziert und führt unser Controller die relevanten Fähigkeiten in Echtzeit aus“, fügten sie hinzu.

Natürlich ist der Mini Cheetah, wie jedes gute akademische Forschungsvorhaben, ein weiterer Proof of Concept und Entwicklung als ein Endprodukt, und hier geht es darum, wie effizient ein Roboter dafür gemacht werden kann, damit umzugehen echte Welt. Margolis und Yang weisen darauf hin, dass Paradigmen der Robotikentwicklung und -einführung, die für einen effizienten Betrieb menschliche Aufsicht und Input erfordern, nicht skalierbar sind.

Einfach ausgedrückt ist die manuelle Programmierung arbeitsintensiv und wir erreichen einen Punkt, an dem Simulationen und neuronale Netze erstaunlich schneller arbeiten können. Die Hardware und Sensoren der vergangenen Jahrzehnte beginnen nun, ihr volles Potenzial auszuschöpfen, und das läutet einen neuen Tag ein, an dem Roboter unter uns wandeln werden.

Tatsächlich könnten sie sogar fliehen.