تعلم هذا الروبوت ذو الأرجل الأربعة رياضة الباركور للتغلب على العقبات بشكل أفضل

يقابل الجميع، وهو روبوت يشبه الكلب بأربعة أرجل صممه باحثون في ETH Zürich في سويسرا، على أمل استخدام مثل هذه الروبوتات في البحث والإنقاذ في مواقع البناء أو مناطق الكوارث، من بين تطبيقات أخرى. الآن تمت ترقية ANYmal للعمل بطريقة بدائية باركور التحركات، أي “الجري الحر”. يُعرف عشاق رياضة الباركور من البشر بمآثرهم البهلوانية والرشاقة بشكل ملحوظ، وعلى الرغم من أن ANYmal لا يستطيع مجاراة هذه الحركات، إلا أن الروبوت تمكن من القفز فوق الفجوات، وتسلق العوائق الكبيرة صعودًا وهبوطًا، والانحناء للمناورة تحت أي عائق، وفقًا لتقرير. . المادة الأخيرة نشرت في مجلة علوم الروبوتات.

قدم فريق ETH Zurich منهج ANYmal الأصلي للتعلم المعزز مرة أخرى في عام 2019 و تحسين إنها استقبال الحس العميق (القدرة على الإحساس بالحركة والعمل والمكان) بعد ثلاثة سنوات. الفريق العام الماضي قدم الثلاثي من روبوتات ANYmal المخصصة، والتي تم اختبارها في بيئات قريبة قدر الإمكان من تضاريس القمر والمريخ القاسية. كما ذكرنا سابقًا، يمكن للروبوتات القادرة على المشي أن تساعد المركبات الفضائية المستقبلية وتخفف من مخاطر الأضرار الناجمة عن الحواف الحادة أو فقدان الجر في الثرى الناعم. كان لكل روبوت جهاز استشعار ليدار. لكن كل منهم كان متخصصًا في وظائف معينة وكان يتمتع بالمرونة الكافية لتغطية بعضهم البعض: في حالة حدوث مشكلة، يمكن للآخرين تولي مهامهم.

على سبيل المثال، كان الغرض الرئيسي لنموذج Scout هو دراسة المناطق المحيطة به باستخدام كاميرات RGB. استخدم هذا الروبوت أيضًا جهاز تصوير آخر لرسم خريطة للمناطق والأشياء محل الاهتمام باستخدام المرشحات التي تمرر مناطق مختلفة من طيف الضوء. يتمتع نموذج العلماء بميزة وجود ذراع مجهز بـ MIRA (محلل رامان الفوري Metrohm) وMICRO (التصوير المجهري). تمكنت MIRA من التعرف على المواد الكيميائية الموجودة في المواد الموجودة على سطح منطقة العرض بناءً على كيفية تشتيت الضوء، بينما قام MICRO الموجود على معصمه بتصويرها عن قرب. كان الهجين أكثر عمومية، حيث يساعد الكشافة والعالم في قياس الأهداف العلمية مثل الصخور والحفر.

على الرغم من التقدم الذي حققته الروبوتات ANYmal والروبوتات ذات الأرجل المماثلة في السنوات الأخيرة، إلا أنه لا تزال هناك تحديات كبيرة قبل أن تصبح ذكية وذكية مثل البشر والحيوانات الأخرى. “قبل بدء المشروع، اعتقد العديد من زملائي الباحثين أن الروبوتات ذات الأرجل قد وصلت بالفعل إلى حدود إمكاناتها التنموية. » قال المؤلف المشارك نيكيتا رودين، طالب دراسات عليا في ETH Zurich ويمارس رياضة الباركور أيضًا. “لكن كان لدي رأي مختلف. في الواقع، كنت متأكدًا من أنه يمكن فعل الكثير باستخدام آليات الروبوتات ذات الأرجل.

الباركور معقد للغاية من منظور الروبوتات، مما يجعله مهمة طموحة مثالية للخطوة التالية للفريق السويسري في قدرات ANYmal. وكتب الباحثون أن رياضة الباركور يمكن أن تنطوي على عوائق كبيرة، مما يتطلب من الروبوت “إجراء مناورات ديناميكية عند حدود التشغيل مع التحكم بدقة في حركة القاعدة والأطراف”. لتحقيق النجاح، يجب أن يكون ANYmal قادرًا على استشعار بيئته والتكيف مع التغيرات السريعة، واختيار مسار عملي وتسلسل للحركات من مجموعة المهارات المبرمجة الخاصة به. ويجب أن تفعل كل هذا في الوقت الفعلي باستخدام حوسبة محدودة على متن الطائرة.

يجمع النهج الشامل للفريق السويسري بين التعلم الآلي و التحكم على أساس النموذج. يقسمون المهمة إلى ثلاثة مكونات مترابطة: وحدة إدراك تعالج البيانات من الكاميرات الموجودة على متن الطائرة وتقنية LiDAR لتقدير التضاريس؛ وحدة التنقل مع كتالوج مبرمج للحركات للتغلب على تضاريس محددة؛ ووحدة الملاحة التي توجه وحدة التنقل في اختيار المهارات التي سيتم استخدامها للتنقل بين العوائق والتضاريس المختلفة باستخدام الأوامر المتوسطة.

على سبيل المثال، استخدم رودين التعلم الآلي لتعليم الجميع مهارات جديدة من خلال التجربة والخطأ، وتحديدًا التغلب على العقبات وفهم كيفية الصعود والنزول. تسمح كاميرا الروبوت والشبكة العصبية الاصطناعية له باختيار أفضل المناورات بناءً على تدريبه المسبق. استخدم طالب دراسات عليا آخر، فابيان جينيلتن، التحكم القائم على النموذج لتعليم ANYmal كيفية التعرف على الفجوات في أكوام الركام والتعامل معها، مع استكمالها بالتعلم الآلي حتى يتمكن الروبوت من الحصول على مزيد من المرونة في تطبيق أنماط الحركة المعروفة في المواقف غير المتوقعة.

ومن بين المهام التي تمكن ANYmal من تنفيذها هي القفز من صندوق إلى صندوق مجاور على مسافة تصل إلى متر واحد. يتطلب ذلك من الروبوت الاقتراب من المساحة بشكل جانبي، ووضع قدميه بالقرب من الحافة قدر الإمكان، ثم استخدام ثلاث أرجل للقفز بينما يمد الرابعة للهبوط على الصندوق الآخر. يمكنه بعد ذلك نقل ساقين قطريتين قبل تمرير الساق الأخيرة عبر الفجوة. وهذا يعني أن ANYmal يمكنه التعافي من أي أخطاء أو زلات عن طريق نقل وزنه بين ساقيه غير القافزتين.

وتمكن ANYmal أيضًا من النزول من صندوق يبلغ ارتفاعه مترًا للوصول إلى هدف أرضي، وكذلك الصعود إلى الصندوق. ويمكنه أيضًا أن ينحني للوصول إلى هدف على الجانب الآخر من ممر ضيق، ويخفض قاعدته ويعدل مشيته وفقًا لذلك. اختبر الفريق أيضًا قدرات ANYmal على المشي، حيث نجح الروبوت في اجتياز السلالم والمنحدرات والعوائق العشوائية الصغيرة والمزيد.

لا تزال لعبة ANYmal لها حدودها عندما يتعلق الأمر بالتنقل في بيئات العالم الحقيقي، سواء كان ذلك في ملعب باركور أو حطام مبنى منهار. على سبيل المثال، لاحظ المؤلفون أنهم لم يختبروا بعد قابلية التوسع في نهجهم نحو سيناريوهات أكثر تنوعًا وغير منظمة تتضمن مجموعة واسعة من العقبات؛ تم اختبار الروبوت فقط في عدد قليل من السيناريوهات المختارة. وكتبوا: “يبقى أن نرى إلى أي مدى يمكن لهذه الوحدات المختلفة تعميمها على سيناريوهات جديدة تمامًا”. ويستغرق هذا النهج أيضًا وقتًا طويلاً، لأنه يتطلب ثماني شبكات عصبية تحتاج إلى ضبطها بشكل منفصل، وبعض الشبكات مترابطة، لذا فإن تغيير إحداها يعني أيضًا تغيير الشبكات الأخرى وإعادة تدريبها.

ومع ذلك، كتب المؤلفون أن ANYmal “يمكنه الآن أن يتطور في مشاهد معقدة حيث يجب عليه التسلق والقفز فوق عوائق كبيرة أثناء اختيار مسار غير تافه إلى موقعه المستهدف”. وبالتالي، “من خلال السعي إلى مطابقة سرعة العدائين الأحرار، يمكننا أن نفهم بشكل أفضل القيود المفروضة على كل مكون في المسار، من الإدراك إلى التشغيل، والتغلب على هذه القيود، وزيادة قدرات الروبوتات لدينا بشكل عام”.

الروبوتات العلمية، 2024. DOI: 10.1126/scirobotique.adi7566 (حول معرفات الهوية الرقمية).

صورة من إعلان ETH زيورخ / نيكيتا رودين