Управление скейтбордом вслепую без оптических камер и лидаров с выполнением трюков освоил андроид Unitree G1 благодаря алгоритмам ученых из Германии

Источник: RoboHorizon

Успешную демонстрацию автономного катания ростового антропоморфного робота Unitree G1 на стандартном четырехколесном скейтборде без использования оптических камер и пространственных лидаров представили ученые Дармштадтского технического университета TU Darmstadt совместно с Немецким исследовательским центром искусственного интеллекта DFKI. Согласно публикации европейского технологического портала RoboHorizon и отчету автора проекта Адитьи Бхатта, разработанный алгоритмический комплекс глубинного подкрепляемого машинного обучения Blind Skateboarder позволяет двуногому механизму удерживать динамическое равновесие, разгоняться, совершать дуговые маневры и чисто приземлять трюки исключительно на основе проприоцептивных сенсоров.\n\nВ основу математической модели легли принципы сквозного обучения нейронных сетей в связке с предиктивным контролем по физической модели Model-Predictive Control. В сопоставлении с классическими задачами локомоции по неподвижному полу, скейтборд выступает подвижной нестабильной опорой с собственной сложной кинематикой подвески, где малейшее смещение центра масс моментально меняет траекторию колес.\n\nДля исключения зависимости от освещения, бликов и оптических задержек исследователи полностью отключили штатную бинокулярную камеру и лидар робота. Бортовой вычислитель опирается исключительно на показания высокочастотного инерциального блока IMU в тазовой зоне, энкодеры суставов и датчики реакции опоры на подошвах стоп, опрашиваемые с частотой пятьсот герц.\n\nОбучение нейросетевого контроллера проходило в среде физической симуляции с процедурной рандомизацией жесткости резиновых бушингов и коэффициента сцепления наждачного покрытия деки. Алгоритм научился генерировать микрокомпенсации в коленных и голеностопных шарнирах, парируя боковые наклоны доски быстрее, чем происходит визуальное осознание потери равновесия. Процесс подготовки включал пошаговую учебную программу с постепенным повышением целевой линейной скорости и введением искусственных внешних возмущений.\n\nВ ходе натурных тестов в лабораторном манеже компактный андроид массой 35 килограммов продемонстрировал непрерывное скоростное движение по прямой, уверенный вход в крутые виражи за счет переноса веса на кант доски и стабильное гашение вибраций при наезде на мелкие препятствия. По завершении разгона система успешно выполняет контролируемый съезд со скейтборда с мягкой остановкой на две ноги.\n\nПрименение низкоуровневых высокомоментных приводов позволило роботу отрабатывать резкие динамические импульсы при отталкивании ногой от гладкого бетона без потери сцепления опорной стопы с наждачным слоем доски. Даже в моменты сильных боковых толчков длинным шестом со стороны операторов машина мгновенно перераспределяла давление между пяткой и носком, удерживая доску под собой без опрокидывания.\n\nСинхронизация работы сорока трех независимых суставов робота в замкнутом контуре управления происходит с задержкой менее двух миллисекунд. Инженеры подчеркивают, что отказ от оптических данных кардинально снизил вычислительную нагрузку на центральный процессор, позволив запускать управляющую политику непосредственно на бортовой энергоэффективной плате без передачи пакетов по беспроводным каналам связи. Дополнительно система продемонстрировала способность автоматически подстраиваться под скейтборды различных габаритов с разной степенью затяжки осевых гаек подвески без предварительной ручной калибровки.\n\nКомплекс Blind Skateboarder подтвердил универсальность, успешно перенеся обученные в виртуальном симуляторе рефлексы на физическое железо андроида с первой попытки по принципу Zero-Shot Sim2Real. Немецкие исследователи планируют опубликовать архитектуру нейросети, весовые коэффициенты моделей и шаблоны для среды симуляции в открытом доступе на портале GitHub, предоставив сообществу готовый инструментарий для тренировки высокодинамичных нестационарных локомоторных навыков.