.
Este pequeno robô pode ir a quase qualquer lugar.
Pesquisadores da Escola de Ciência da Computação da Carnegie Mellon University e da University of California, Berkeley, projetaram um sistema robótico que permite que um robô de pernas relativamente pequenas e de baixo custo suba e desça escadas quase de sua altura; atravessar terrenos rochosos, escorregadios, irregulares, íngremes e variados; atravessar lacunas; rochas escamosas e meios-fios; e até operar no escuro.
“Capacitar pequenos robôs para subir escadas e lidar com uma variedade de ambientes é crucial para o desenvolvimento de robôs que serão úteis nas casas das pessoas, bem como em operações de busca e resgate”, disse Deepak Pathak, professor assistente do Robotics Institute. “Este sistema cria um robô robusto e adaptável que pode realizar muitas tarefas diárias”.
A equipe colocou o robô à prova, testando-o em escadas irregulares e encostas em parques públicos, desafiando-o a caminhar sobre pedras e superfícies escorregadias e pedindo-lhe que subisse escadas que, por sua altura, seriam semelhantes a um salto humano. um obstáculo. O robô se adapta rapidamente e domina terrenos desafiadores contando com sua visão e um pequeno computador de bordo.
Os pesquisadores treinaram o robô com 4.000 clones dele em um simulador, onde praticaram caminhada e escalada em terrenos desafiadores. A velocidade do simulador permitiu ao robô ganhar seis anos de experiência em um único dia. O simulador também armazenou as habilidades motoras aprendidas durante o treinamento em uma rede neural que os pesquisadores copiaram para o robô real. Essa abordagem não exigia nenhuma engenharia manual dos movimentos do robô – um afastamento dos métodos tradicionais.
A maioria dos sistemas robóticos usa câmeras para criar um mapa do ambiente circundante e usar esse mapa para planejar os movimentos antes de executá-los. O processo é lento e muitas vezes pode falhar devido a imprecisões inerentes, imprecisões ou percepções errôneas no estágio de mapeamento que afetam o planejamento e os movimentos subsequentes. O mapeamento e o planejamento são úteis em sistemas focados no controle de alto nível, mas nem sempre são adequados para os requisitos dinâmicos de habilidades de baixo nível, como caminhar ou correr em terrenos desafiadores.
O novo sistema ignora as fases de mapeamento e planejamento e direciona diretamente as entradas de visão para o controle do robô. O que o robô vê determina como ele se move. Nem mesmo os pesquisadores especificam como as pernas devem se mover. Esta técnica permite que o robô reaja rapidamente ao terreno que se aproxima e se mova através dele de forma eficaz.
Como não há mapeamento ou planejamento envolvido e os movimentos são treinados usando aprendizado de máquina, o próprio robô pode ser de baixo custo. O robô usado pela equipe era pelo menos 25 vezes mais barato do que as alternativas disponíveis. O algoritmo da equipe tem o potencial de tornar os robôs de baixo custo muito mais amplamente disponíveis.
“Este sistema usa visão e feedback do corpo diretamente como entrada para enviar comandos aos motores do robô”, disse Ananye Agarwal, um SCS Ph.D. aluno em aprendizado de máquina. “Essa técnica permite que o sistema seja muito robusto no mundo real. Se escorregar em uma escada, ele pode se recuperar. Ele pode entrar em ambientes desconhecidos e se adaptar.”
Esse aspecto direto da visão para o controle é biologicamente inspirado. Humanos e animais usam a visão para se mover. Tente correr ou se equilibrar com os olhos fechados. Pesquisas anteriores da equipe mostraram que robôs cegos – robôs sem câmeras – podem conquistar terrenos desafiadores, mas adicionar visão e confiar nessa visão melhora muito o sistema.
A equipe também buscou na natureza outros elementos do sistema. Para um pequeno robô – com menos de trinta centímetros de altura, neste caso – escalar escadas ou obstáculos quase de sua altura, ele aprendeu a adotar o movimento que os humanos usam para passar por cima de obstáculos altos. Quando um ser humano tem que levantar a perna para escalar uma saliência ou obstáculo, ele usa os quadris para mover a perna para o lado, chamada de abdução e adução, dando-lhe mais folga. O sistema robótico que a equipe de Pathak projetou faz o mesmo, usando a abdução do quadril para enfrentar obstáculos que atrapalham alguns dos sistemas robóticos de pernas mais avançados do mercado.
O movimento das patas traseiras dos quadrúpedes também inspirou a equipe. Quando um gato se move através de obstáculos, suas patas traseiras evitam os mesmos itens que as patas dianteiras sem o benefício de um par de olhos próximo. “Animais de quatro patas têm uma memória que permite que suas patas traseiras rastreiem as patas dianteiras. Nosso sistema funciona de maneira semelhante”, disse Pathak. A memória interna do sistema permite que as pernas traseiras lembrem o que a câmera da frente viu e manobrem para evitar obstáculos.
“Como não há mapa, nem planejamento, nosso sistema lembra o terreno e como ele moveu a perna dianteira e traduz isso para a perna traseira, fazendo isso de forma rápida e sem falhas”, disse Ashish Kumar, Ph.D. estudante em Berkeley.
A pesquisa pode ser um grande passo para resolver os desafios existentes enfrentados pelos robôs com pernas e trazê-los para as casas das pessoas. O artigo “Legged Locomotion in Challenging Terrains Using Egocentric Vision”, escrito por Pathak, professor de Berkeley Jitendra Malik, Agarwal e Kumar, será apresentado na próxima Conferência sobre Robot Learning em Auckland, Nova Zelândia.
Vídeo: https://youtu.be/N70CqROzwxI
.
