这是第一台四足机器人,能够在非结构化室外环境中自动适应不同条件下的形态。四足机器人Dyret可以调整其腿的长度,以使身体适应表面。在此过程中,它会了解最有效的方法。这样,下次遇到未知环境时,它会更好地配备。Dyret(挪威语为“动物”的意思)是“动态机器人用于嵌入式测试”的首字母缩写。
从草到混凝土:自学机器人的巨大飞跃。图片:TønnesNygaard / UiO),我们已经展示了允许机器人不断适应其身体形状的好处,奥斯陆大学信息学系高级讲师TønnesNygaard说,我们的物理机器人还证明,可以使用当今的技术轻松实现这一目标。
对于Dyret,更改身体形状意味着可以调整腿的长度。副教授凯尔·格莱特(Kyrre Glette)说,我们发现一种适应身体形状的机制对我们的机器人很有用,我们相信这也可以应用于其他机器人设计。以前,他们已经表明机器人可以在室内受控条件下适应不同的环境。然后Nygaard与澳大利亚联邦科学与工业研究组织(CSIRO)的其他机器人研究人员一起度过了半年的时间,他们专门研究户外的自学机器人。
以前认为这在现实世界中很难实现,Nygaard对Titan.uio.no说,通过机器人和我们的实验,我们已经明确证明了这是可能的。该结果发表在《自然机器智能》(Nature Machine Intelligence)杂志上。通过更改其腿的长度,它可以自动转换为不同的身体形状。形态适应性机器人可以在无法预测的环境中运行并解决新任务,而不必在每次遇到意外情况时都进行重新设计或重建。
机器人在行走时会适应最佳的身体形状。图片:TønnesNygaard / UiO),机器人的一次巨大飞跃,对于我们人类而言,可能很难想象机器人从例如混凝土到草地的行走有多么困难。请记住,与机器人相比,您已有多年的经验,并且拥有很多感官。Nygaard解释说,机器人使用摄像头查看地形的畸形程度,并使用腿部的传感器来感知行走表面的坚硬程度。
机器人不断了解自己所走的环境,并结合在受控环境中在室内获得的知识,利用它来适应其身体。当Dyret被要求在草地上行走时,它以前从未见过草。它只在砾石,沙子和混凝土上训练过。尽管如此,它还是很快学会了如何在澳大利亚草地上行走以及理想的腿长是多少。格莱特说,更短的腿可以提供更好的稳定性,而如果可以充分预测地面,则更长的腿可以提高步行速度。
平整的草坪并不是最大的挑战,但是自然界中的草丛中充满了簇绒和孔洞,可以束缚长腿的机器人,因此Dyret会缩短其腿部。在混凝土上,它可以伸展腿部并“跑开”。如果机器人遇到不可预见的障碍物而受到损坏,它也能够适应。使用我们的技术,机器人能够适应其一只腿变弱或折断的情况,Nygaard说,无论是行走还是减少其他三条腿的长度,它都可以学习如何恢复。
灾区和地雷 目前,Dyret还不准备承担主要任务。Nygaard博士学位的目的是开发技术并找到合适的材料,并证明这是可能的。他仍然可以看到将来的几种可能用途。这在机器人可能面临许多意想不到的挑战的环境中是有益的,Nygaard说,这不仅包括搜寻和救援行动,还包括农业领域,那里的地表和天气条件充满挑战。
他还提到人们难以到达的地雷勘探。人们还可以想象规模不同的机器人,例如小型管道检查机器人,将来能够从这种技术中受益,格莱说。我们希望这一想法可以改变人体形状,这对其他研究人员来说是很有说服力的,并且可以将其应用于其他类型的机器人中。甚至可能是去火星或其他太空执行任务。我认为太空机器人原则上很容易拥有这项技术,因为它们经常会面临无法预料的任务,格莱特说,如果他们有机会进行自我更换或维修,那就太好了。
自学的好处 每次Dyret设法适应新的表面时,它将配备得更好,以适应其他新表面。这是自学的最大优势。如果科学家对它进行编程以使其能够在不同的表面上工作,则不确定他们是否会真正选择最适合该机器人的东西。Nygaard说,例如,我们认为砾石是坚硬的表面,但机器人并没有那样的体验,这是它能够自行学习的东西。当通过自身的经验学习时,它能够摆脱我们人类经常错误地做出的假设和传统。这意味着必须允许它不时失败。就像一个孩子学习走路。Nygaard说,您必须让机器人先尝试一些不好的解决方案。他将一个带备件的手提箱带到澳大利亚进行户外测试。但是幸运的是,我不必使用多个。
所有人都可以使用 Nygaard现在与其他完全开发的机器人一起在挪威国防研究机构工作。也许他们可以从适应自己的身体中受益?他还将继续与信息学系的Dyret合作。他说,我现在正在与硕士生一起探索其他方法,让机器人使用我没有时间追求自己的新方法和异国情调的方法进行学习。任何人都可以利用新技术。
我们已将项目的所有部分作为开源发布。任何人都可以拿走我们所做的一切,并将其用于他们想要的任何目的。他们当然可以下载机器人设计并自行构建,但我认为大多数人将更倾向于将我们的解决方案的一部分作为自己工作的灵感。Nygaard,Glette及其同事至少达到了他们的第一个目标。现在,我们已经在看不见的室外地形上对机器人进行了测试,并为其配备了机器学习算法,该算法可以收集数据并使身体适应新的地形。
来源:贤集网