Алгоритм катания на скейтборде вслепую без визуальных камер разработали для андроида Unitree G1 исследователи Дармштадтского университета и центра DFKI

Источник: RoboHorizon

Успешную демонстрацию динамического катания на скейтборде вслепую на базе серийной двуногой машины Unitree G1 представила исследовательская группа Дармштадтского технического университета TU Darmstadt совместно с Немецким исследовательским центром по искусственному интеллекту DFKI. Согласно публикациям портала RoboHorizon и отчету ведущего разработчика проекта Адитьи Бхатта, созданная система глубокого подкрепляемого обучения и прогностического управления моделью позволяет роботу уверенно удерживать равновесие на подвижной колесной доске, маневрировать в поворотах и выполнять прыжковые элементы без использования оптических камер и лидаров.

В основу архитектуры управления Blind Skateboarder лег принцип опоры исключительно на проприоцептивную сенсорику: показания высокочастотных модулей пространственной ориентации IMU в корпусе, информацию об угловых скоростях в сочленениях и векторах реакций опорной поверхности, передаваемых через контактные площадки стоп. В прямом сопоставлении с классическими алгоритмами зрительного слежения, слепой подход исключает задержки на обработку тяжелых видеопотоков, гарантируя мгновенную компенсацию микроколебаний деки с субмиллисекундным временем отклика.

Обучение нейросетевой политики проходило в виртуальной среде физической симуляции с массивной рандомизацией параметров трения колес, жесткости подвески траков скейтборда и массы полезной нагрузки. Сгенерированные модели управления переносились на реальное аппаратное шасси робота методом Sim2Real, минуя этап ручной калибровки коэффициентов на полигоне. Андроид ростом 127 сантиметров и весом тридцать пять килограммов самостоятельно адаптирует распределение центра масс при резких наклонах бортовой доски.

В ходе натурных испытаний в университетской лаборатории робот успешно продемонстрировал непрерывный разгон, прохождение змейки, вход в крутые виражи за счет переноса веса на кант доски и стабильное приземление после спрыгивания с мелких препятствий. При возникновении критических боковых ускорений контроллер мгновенно перестраивает положение коленных и тазобедренных шарниров, предотвращая опрокидывание.

Высокочастотный контур обратной связи опрашивает встроенные датчики крутящего момента с частотой один килогерц. Благодаря этому сервоприводы стопы непрерывно создают микрокорректирующие импульсы, удерживающие колеса доски в стабильном контакте с асфальтом даже при наезде на мелкий гравий.

Особое внимание авторы уделили устойчивости к непредсказуемым возмущениям: во время езды инженеры наносили роботу боковые удары шестом, однако модель успевала скорректировать угол сгибания коленей и вернуть скейтборд на заданную траекторию. Дополнительно алгоритм протестировали на рампах с переменным углом наклона, где машина показала способность плавно гасить ускорение при скатывании вниз.

Архитектура нейросети задействует двухстадийный контроллер Any2Track, где базовый модуль отвечает за удержание общей стойки, а адаптивный блок истории наблюдений в онлайн-режиме нивелирует проскальзывание колес и неровности рельефа. Расчет целевых крутящих моментов на 23 активных приводах выполняется с задержкой менее двух миллисекунд. Программный набор утилит легко интегрируется в среду ROS 2 Jazzy и физический движок Isaac Gym, позволяя исследователям тестировать собственные алгоритмы динамической балансировки на различных типах колесных платформ и нестабильных поверхностей в университетских лабораториях на разных континентах.

Немецкие ученые планируют опубликовать исходные веса обученных нейросетей и пайплайны симуляции в открытом доступе для академического сообщества в публичном репозитории GitHub. Разработанный проприоцептивный фреймворк послужит фундаментальной базой для создания высокоадаптивных шагающих роботов, способных сохранять устойчивость на скользких масляных полах, гравийных насыпях и динамически смещающихся промышленных платформах.