Катание на классическом скейтборде вслепую без использования оптических камер и трюк с балансом на двух задних колесах освоил андроид Unitree G1 от ученых Германии

Источник: RoboHorizon

Успешную демонстрацию полностью слепого автономного катания на скейтборде с исполнением динамических трюков на базе компактного серийного робота линейки Unitree G1 представила объединенная исследовательская группа Дармштадтского технического университета TU Darmstadt и Немецкого исследовательского центра по искусственному интеллекту DFKI. Согласно публикации международного издания RoboHorizon и видеоотчету ведущего автора проекта Адитьи Бхатта, андроид научился уверенно запрыгивать на движущуюся доску, удерживать динамическое равновесие при разгоне и выполнять подъем передней подвески без использования оптических камер и лидаров.\n\nЭкспериментальная методология базируется на сквозной связке глубинного обучения с подкрепляющим стимулом вместе с алгоритмами прогнозирующего модельного управления MPC. В сопоставлении с классическими робототехническими системами, где ключевая роль отводится визуальному картированию пространства, немецкие ученые намеренно заклеили сенсорный блок в головной части робота непрозрачной лентой с крестообразным маркером, лишив алгоритмы прямого зрительного контроля.\n\nУправление равновесием опирается исключительно на проприоцептивную обратную связь: показания встроенных инерциальных модулей IMU в корпусе и тензометрических датчиков контактного давления в подошвах стоп. При движении по неровному полу нейросеть с частотой сотни герц фиксирует малейшие микроколебания деки скейтборда и мгновенно корректирует углы наклона в голеностопных и коленных шарнирах.\n\nВысокочастотный контур регулирования крутящего момента работает на частоте 500 Гц, вычисляя компенсирующие импульсы при внезапных проскальзываниях полиуретановых колес. Это позволяет амортизировать ударные возмущения, когда доска наезжает на мелкие стыки плитки или песчинки на лабораторном полу. В структуру нейросетевого контроллера заложена рекуррентная архитектура с памятью предыдущих состояний, оценивающая инерционную динамику доски без установки внешних радиомаяков.\n\nВ ходе натурных тестов в лаборатории робот успешно выполнил серию сложных координационных элементов: запрыгивание на подвижный скейтборд с пола, удержание баланса при резких боковых толчках со стороны исследователей, перенос веса тела на хвостовую часть доски для исполнения мануала на задней паре колес, а также аккуратный контролируемый сход на твердое покрытие.\n\nДля предотвращения опрокидывания при резком торможении алгоритм динамически перераспределяет центр масс торса, задействуя симметричные взмахи руками для создания стабилизирующего гироскопического момента. Это повторяет естественные компенсаторные движения профессиональных скейтбордистов при прохождении крутых виражей. Специальные эластичные манжеты на шарнирах конечностей надежно защищают сервомоторы от пиковых ударных перегрузок при соскоках на бетонный пол. Питание всей бортовой микропроцессорной электроники обеспечивается компактным съемным литиевым модулем.\n\nОбучение политики управления проходило в физическом симуляторе с рандомизацией коэффициентов трения и последующим прямым переносом Sim2Real на физическое шасси платформы Unitree G1 ростом 127 сантиметров и весом 35 килограммов. Высокая прочность шарниров и низкая инерция электроприводов позволили алгоритму адаптироваться к динамически меняющемуся сцеплению колес со скейтбордом без необходимости многомесячной ручной подстройки коэффициентов.\n\nНемецкие ученые планируют опубликовать открытые программные пакеты и веса обученных нейросетей в специализированном репозитории для академического сообщества. Разработанный учеными фреймворк Blind Skateboarder доказывает, что человекоподобные машины способны овладевать сложнейшими физическими спортивными навыками в условиях дефицита обучающих данных и полного отключения оптических сенсоров. Подобные алгоритмы проприоцептивной саморегуляции формируют надежный фундамент для сверхустойчивой ходьбы по скользким, зыбким и подвижным поверхностям в сложных аварийно-спасательных и ответственных промышленных миссиях.