A Leeds-i Egyetem és a University College London kutatói egy forradalmi Deep Reinforcement Learning (DRL) keretrendszert fejlesztettek ki, amely az állati mozgásokból merített inspirációval segíti a négylábú robotokat. Ez a rendszer lehetővé teszi számukra, hogy még nehéz terepeken is stabilan mozogjanak, azonnal alkalmazkodva az instabil körülményekhez, anélkül hogy speciális érzékelőkre vagy előzetes tereptanulásra támaszkodnának.
Az állatok mozgásának hihetetlen alkalmazkodóképessége, amelyet az öröklött és környezeti tényezők formálnak, inspirálta a kutatókat. A négylábú robotok fejlesztésében egyre nagyobb hangsúlyt kap az olyan mozgási keretrendszerek kidolgozása, amelyek képesek a különböző tereptípusokhoz való gyors alkalmazkodásra.
Bioinspirált modell
A jelenlegi rendszerek gyakran multilayer perceptronokra (MLP) épülnek, amelyek különféle terepek bejárására vannak betanítva. Ezek a keretrendszerek kiemelkednek a robusztusságukkal: képesek kezelni a külső zavarokat, deformálható felszíneken haladni, ugrani, vagy esésekből helyreállni. Ugyanakkor ezek általában egyetlen járásstratégiára korlátozódnak, ami megnehezíti az alkalmazkodást eltérő helyzetekben.
Az állatok mozgása azonban azt mutatja, hogy különböző járásformákat – például ügetést vagy futást – használnak a hatékonyság érdekében, míg speciális mozgásokat, mint a szökdelés, egyedi feladatokhoz alkalmaznak.
Új adaptív járási keretrendszer
A kutatók által fejlesztett új keretrendszer lehetővé teszi a robotok számára, hogy komplex, kockázatos terepeken mozogjanak anélkül, hogy extra érzékelőkre vagy speciális terepképzésre lenne szükségük. Ez az úgynevezett βL kimenet beépítésével valósul meg, amely az állapotfüggő, álvázlati eljárásmemóriát és adaptív mozgáskorrekciókat kódolja a robot megfigyelési terébe.
Az eredmények azt mutatták, hogy βL nélkül a robot sokkal nagyobb instabilitást és hibát tapasztal, hasonlóan ahhoz, mint amikor egy állat kisagyának hiánya akadályozza a végtagkoordinációt és stabilitást. A kutatók szerint a βL hatékonyan képviseli az álvázlati eljárásmemóriát.
A rendszer másik kulcseleme, a πuniG, optimális járásválasztási stratégiákat tesz lehetővé, hasonlóan az állatokhoz. Ez lehetővé teszi, hogy a robot stabil maradjon olyan felszíneken is, ahol a hirtelen szerkezeti vagy súrlódási változások miatt más, látásalapú robotok gyakran kudarcot vallanak.
Egyensúlyérzékelés és biomechanikai hatások
A kutatás során a kutatók megfigyelték, hogy az aktuátor-szerkezeti erők jelzik az instabilitást, ami korábban kevésbé volt értelmezhető. Bár a biomechanikai mérőszámokat csak állatok lineáris mozgása során tesztelték sík terepen, a πuniG sikeresen alkalmazta ezeket az eltérő terepeken és sebességeknél.
A kutatók szerint ez a keretrendszer lehetővé teszi a robotok számára, hogy példátlan alkalmazkodóképességgel mozogjanak, vakon és nulla előzetes tanulással, miközben instabil helyzetekből is képesek helyreállni. A rendszer nemcsak a robotok mozgását teszi robusztusabbá, de értékes betekintést nyújt az állati mozgás biomechanikájába is.
A kutatók azt is hangsúlyozták, hogy a robotok potenciálisan segíthetnek a biomechanikai hipotézisek igazolásában, miközben megkerülik az állatkísérletek kihívásait. A jövőbeli fejlesztések során extra érzékelőket is integrálnának a keretrendszerbe, hogy előzetes járástervezéssel tovább csökkentsék a stabilitási kockázatokat.
A csapat kutatásának részleteit az arXiv folyóiratban tették közzé.
