Un robot à quatre pattes a appris à modifier sa façon de courir tout en parcourant les forêts, les escaliers et les parcours d’obstacles. — basculer en toute transparence entre un trot régulier et une démarche plus rapide sans instructions d’un opérateur humain.
Le robot de 100 livres (45 kilogrammes), appelé KAIST HOUND, utilise des caméras et lidar pour scanner le sol devant lui, puis sélectionne une démarche appropriée et ajuste ses mouvements en temps réel. Lors de tests en extérieur, il a traversé un parcours universitaire de 1,1 km et un sentier forestier de 0,3 km parsemé de racines, de bûches et de feuilles glissantes.
Les chercheurs ont décrit le cadre robotique le 15 juillet dans la revue Robotique scientifique.
Changer de démarche
Les animaux changent naturellement leur démarche en fonction de leur vitesse et de leur environnement. Un chien peut trotter prudemment sur un terrain inégal, Par exempleavant de bondir sur une branche tombée. Reproduire cette adaptabilité dans les robots est délicat car les différents mouvements sont souvent contrôlés par des systèmes de codage distincts et hautement spécialisés, et les transitions entre eux peuvent provoquer un décalage qui fait trébucher le robot.
Pour surmonter ce problème, les chercheurs ont développé un cadre de formation spécial appelé apprentissage par renforcement basé sur un transformateur pré-entraîné à l’action (APT-RL). Il s’agit d’un système de formation à l’intelligence artificielle (IA) qui étudie d’abord de nombreux exemples d’actions, utilise un transformateur pour comprendre les modèles de ces actions, puis s’améliore grâce à des récompenses et des pénalités.
La formation a commencé avec un modèle informatique simple et bidimensionnel du robot. En utilisant l’optimisation de trajectoire – une technique qui calcule les mouvements physiquement réalisables pour le robot – l’équipe a généré 180 000 courtes séquences de trot et de bondissement, y compris les forces articulaires que les jambes du robot doivent effectuer. L’ensemble de données représentait environ 15,5 heures de mouvement, mais sa production n’a pris que huit minutes environ.
Pendant apprentissage par renforcement – une technique d’apprentissage automatique où l’IA apprend à prendre les meilleures décisions en s’engageant dans un environnement particulier par essais et erreurs – un système d’IA a ensuite appris à sélectionner et à modifier ces compétences tout en négociant des escaliers simulés, des tremplins, des obstacles, des lacunes et un terrain accidenté.
Dans les simulations numériques, le chien robot ne se limitait pas à copier ses mouvements préenregistrés. Il pourrait également apporter des corrections au terrain tridimensionnel et aux situations inattendues, telles que sauter par-dessus une bûche – un comportement qui n’était pas inclus dans les données d’entraînement originales sur terrain plat.
- Les scientifiques ont trouvé le corps optimal du robot, et il a 20 pattes – regardez-le escalader les murs et se déplacer à travers les arbres
- Ce robot humanoïde fait toutes vos tâches ménagères à votre place – et ses créateurs disent qu’il est prêt pour votre maison
- L’IA a compressé des milliards d’années d’évolution en quelques secondes pour créer des « robots de type Lego » capables de récupérer même s’ils perdent des membres.
Enfin, les chercheurs ont configuré le système pour inclure la caméra de profondeur et le scanner lidar du robot dans la simulation.
Lors d’un test en salle, HOUND a franchi un obstacle de 60 centimètres de haut tout en atteignant brièvement 15 km/h. Il a également sauté un escalier à trois marches. Le robot choisissait généralement de trotter à des vitesses plus faibles sur un terrain irrégulier, tandis que les bonds devenaient plus courants à des vitesses plus élevées ou lorsqu’il rencontrait des pas, des obstacles ou des écarts plus grands. Le système d’IA qui pouvait sélectionner l’une ou l’autre allure fonctionnait de manière plus cohérente dans les différents environnements simulés que la version limitée au trot ou à la limite seule.
Les chercheurs suggèrent que cette technologie pourrait éventuellement aider les robots à naviguer zones sinistrées ou d’autres endroits inaccessibles aux machines à roues. Cependant, le cadre actuel n’autorise que deux choix de démarche et gère principalement les mouvements vers l’avant. Les virages rapides, les mouvements latéraux et d’autres comportements comme ramper restent des objectifs futurs pour l’équipe de recherche.
