Динамическую езду на скейтборде вслепую без визуальных камер и выполнение трюков по команде освоил андроид Unitree G1 от ученых TU Darmstadt и DFKI

Источник: RoboHorizon

Успешную реализацию инновационного исследовательского проекта Blind Skateboarder по обучению антропоморфного робота Unitree G1 уверенной динамической езде на скейтборде вслепую без использования оптических камер и лидаров представила объединенная научная группа Дармштадтского технического университета TU Darmstadt и Немецкого исследовательского центра искусственного интеллекта DFKI. Согласно публикациям научного обозревателя RoboHorizon и отчету ведущего исследователя Адитьи Бхатта, андроид научился самостоятельно разгоняться, удерживать равновесие на подвижной доске и выполнять базовые трюки исключительно за счет проприоцепции и оценки контактных усилий стоп.

Экспериментальная архитектура базируется на сочетании многослойных моделей подкрепляемого обучения совместно с алгоритмами прогнозирующего модельного управления MPC. В сравнении с традиционными навигационными системами, где робот непрерывно сканирует окружающее пространство с помощью машинного зрения, программный стек Blind Skateboarder полностью отключает видеокамеры во время катания. Вся первичная телеметрия собирается со сверхвысокой частотой через инерциальные измерительные модули IMU и встроенные сенсоры вращающего момента внутри суставов нижних конечностей.

Катание на четырехколесном скейтборде представляет собой экстремально сложную задачу динамического равновесия из-за нестабильной подвижной опоры под ногами робота. При малейшем наклоне деки скейтборда подвеска сдвигает угол поворота колес, мгновенно изменяя вектор центробежной силы. Разработанная нейросетевая политика управления рассчитывает микроколебания деки с миллисекундным временным шагом, компенсируя смещения центра тяжести за счет молниеносного перераспределения усилий между коленными и голеностопными сервоприводами.

В процессе тренировок модель прошла цикл симуляционного обучения в физической среде цифрового двойника, после чего была успешно развернута на реальном серийном андроиде Unitree G1 без необходимости длительной ручной калибровки на натурном полигоне. В ходе испытаний в спортивном зале робот продемонстрировал контролируемый разгон, преодоление волнообразных неровностей пола, вход в крутые виражи с глубоким наклоном корпуса и приземление после спрыгивания со скейтборда.

Для отработки толчковой фазы движения одна нога робота генерирует периодические импульсы отталкивания от покрытия, тогда как опорная стопа непрерывно подруливает декой за счет микроизменений давления на внешнюю или внутреннюю кромку доски. Регулятор силового взаимодействия опрашивает сенсоры с частотой пятьсот Герц, мгновенно адаптируя жесткость шарниров при наезде на мелкие камешки и стыки напольных плит.

При проведении серии стресс-тестов исследователи прикладывали внезапные боковые возмущения шестом, однако алгоритм оперативно парировал боковые крены за счет быстрого приседания и компенсаторных махов верхними конечностями. Компактный размер нейросетевых весов позволяет выполнять все вычисления непосредственно на бортовом процессоре с минимальным энергопотреблением. Для надежной защиты шарниров при неудачных падениях на сочленения робота были установлены специальные эластичные полиуретановые бамперы.

Научный коллектив планирует опубликовать полный программный код и обученные веса модели в открытом репозитории для мирового академического сообщества робототехников и разработчиков. В долгосрочной перспективе исследователи намерены адаптировать разработанный алгоритм слепой локомоции для катания на роликовых коньках, водных лыжах и спортивном зимнем сноуборде. Исследователи подчеркивают, что устранение визуального канала в задачах высокодинамичной локомоции позволяет избавиться от задержек обработки тяжелых видеокадров и зависимости от уровня освещенности. Созданный фреймворк закладывает надежную теоретическую основу для перемещения шагающих машин по сложным нестабильным поверхностям, включая скользкий лед, зыбучий гравий и подвижные палубы морских судов.